摘要
本发明涉及一种用于电力设备红外图像的小目标检测方法及系统,该方法包括以下步骤:收集电力设备红外图像数据样本,并进行图像预处理,构造数据集;利用数据集对改进的YOLOv8‑EED模型进行训练,通过优化调整模型参数,得到目标检测模型;将当前的电力设备红外图像进行预处理后输入目标检测模型,输出得到对应的检测结果。其中,改进的YOLOv8‑EED模型通过增设小目标增强层,将浅层富含细节的大特征图与经上采样的深层语义特征图拼接融合,以构建特征提取结构,能够提升小目标细节表达能力,并采用可变形卷积的检测头,自适应捕捉复杂场景中小目标的细微特征。与现有技术相比,本发明能够实现对红外电力设备小目标的高效精准检测。
技术关键词
电力设备红外图像
特征融合网络
检测头
权重计算方法
注意力机制
卷积模块
上采样
语义特征
双线性插值法
动态
深度学习框架
特征提取单元
数据
通道
参数
智能调控
系统为您推荐了相关专利信息
农作物害虫
害虫检测方法
特征提取单元
积层
分支单元
交互式学习
融合策略
智能体交互
深度强化学习
多模态融合技术
真实场景图像
天气
可见光图像
融合特征
大气散射模型