一种基于CA-YOLO的电力系统人员异常行为检测方法

AITNT
正文
推荐专利
一种基于CA-YOLO的电力系统人员异常行为检测方法
申请号:CN202510448633
申请日期:2025-04-10
公开号:CN120526470A
公开日期:2025-08-22
类型:发明专利
摘要
本发明具体涉及一种基于CA‑YOLO的电力系统人员异常行为检测方法,包括:收集电力场景下人员行为图像形成数据集,预处理所述数据集,将所述数据集划分训练集、测试集和验证集;构建CA‑YOLO模型,所述CA‑YOLO模型包括Backbone部分、Neck部分以及Head部分,所述CA‑YOLO模型采用RFCAConv模块替换传统卷积层;所述Backbone部分采用C3k2‑CA模块替换传统C3k2模块;所述Neck部分采用CAFusion模块替换传统拼接层;所述Head部分的Detect模块采用EMAM‑MPDIoU损失函数;利用所述训练集和验证集训练所述CA‑YOLO模型,得到训练好的CA‑YOLO模型;利用训练好的所述CA‑YOLO模型对所述测试集进行电力场景下人员行为检测,得到电力场景下人员行为检测结果。本发明通过协调注意力机制和多尺度特征融合的设计,实现了电力场景下人员异常行为的精准检测。
技术关键词
YOLO模型 电力系统 注意力机制 输出特征 卷积模块 加权特征 场景 图像 坐标 Sigmoid函数 攀爬电线杆 训练集 生成高度 标注工具 融合特征 数据 度量
系统为您推荐了相关专利信息
1
小目标检测方法与低空经济小型无人机检测与追踪方法
小型无人机 静态特征 卡尔曼滤波 加权特征 卷积模块
2
双馈型新能源电源场站集电线路出口故障方向判别方法
判别方法 波形相关系数 序列 电压 集电线路保护
3
一种电力系统的攻击预警方法、装置、终端设备和存储介质
攻击预警方法 词语 列表 日志 样本
4
一种基于强化学习的工厂设备预测性维护方案优化方法
强化学习模型 工厂设备 强化学习框架 时空注意力机制 设备运行数据
5
基于ECA-AC-ResUnet网络的裂缝图像分割方法
裂缝图像分割方法 上采样 解码器 全局平均池化 输出特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号