融合BiFPN和注意力机制的电力设备异常检测算法.pdfVIP

四川电力技术

２０２５年２月ＳｉｃｈｕａｎＥｌｅｃｔｒｉｃＰｏｗｅｒＴｅｃｈｎｏｌｏｇｙ第４８卷第１期６３

融合ＢｉＦＰＮ和注意力机制的电力设备

异常检测算法

１２２２２３３

邹琬ꎬ杨玥坪ꎬ廖文龙ꎬ刘睿ꎬ王振宇ꎬ孙璐ꎬ唐浩

(１.国网四川省电力公司ꎬ四川成都６１００４１ꎻ２.国网四川省电力公司电力科学研究院ꎬ

四川成都６１００４１ꎻ３.西南交通大学信息科学与技术学院ꎬ四川成都６１１７５６)

摘要:为提高电力设备异常检测的精度ꎬ提出以融合双向加权特征金字塔网络(ＢｉＦＰＮ)和三重注意力(ＴＡ)机制改

进Ｙｏｌｏｖ５ｓ的电力设备异常检测方法ꎮ首先ꎬ融合ＢｉＦＰＮ是在特征融合结构中加入跨尺度连接线以保留更多深层的

语义信息ꎬ可以有效促进目标的分类识别和位置精确定位ꎻ然后ꎬ加入采用三分支结构的注意力机制能够更好地提取

空间交互注意力和通道空间交互注意力ꎬ抑制无用的特征信息ꎻ最后ꎬ通过采用ＳｏｆｔＮＭＳ来取代传统的ＮＭＳ算法可

以有效减少目标的遗漏ꎬ并提升检测的准确性ꎮ实验数据显示ꎬ改进后的ＹＯＬＯｖ５ｓ网络模型相较于原始ＹＯＬＯｖ５ｓ模型ꎬ

精确率从８８.３％提升至９０％ꎬ召回率从８９％提升至９３％ꎬｍＡＰ＠０.５值从８８.７％提升至９２.８％ꎬ有效地提高了检测精度ꎮ

关键词:ＹＯＬＯｖ５ｓ模型ꎻ深度学习ꎻ注意力机制ꎻ目标检测

－－－

中图分类号:ＴＰ１８３文献标志码:Ａ文章编号:１００３６９５４(２０２５)０１００６３０９

－

ＤＯＩ:１０.１６５２７/ｊ.ｉｓｓｎ.１００３６９５４

ＡｎＡｎｏｍａｌｙＤｅｔｅｃｔｉｏｎＡｌｇｏｒｉｔｈｍｆｏｒＰｏｗｅｒＥｑｕｉｐｍｅｎｔ

ＩｎｔｅｇｒａｔｉｎｇＢｉＦＰＮａｎｄＡｔｔｅｎｔｉｏｎＭｅｃｈａｎｉｓｍ

１２２２２３３

ＺＯＵＷａｎꎬＹＡＮＧＹｕｅｐｉｎｇꎬＬＩＡＯＷｅｎｌｏｎｇꎬＬＩＵＲｕｉꎬＷＡＮＧＺｈｅｎｙｕꎬＳＵＮＬｕꎬＴＡＮＧＨａｏ

(１.ＳｔａｔｅＧｒｉｄＳｉｃｈｕａｎＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐａｎｙꎬＣｈｅｎｇｄｕ６１００４１ꎬＳｉｃｈｕａｎꎬＣｈｉｎａꎻ

２.ＳｔａｔｅＧｒｉｄＳｉｃｈｕａｎＥｌｅｃｔｒｉｃＰｏｗｅｒＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅꎬＣｈｅｎｇｄｕ６１００４１ꎬＳｉｃｈｕａｎꎬ

Ｃｈｉｎａꎻ３.ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙꎬＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇ

ＵｎｉｖｅｒｓｉｔｙꎬＣｈｅｎｇｄｕ６１１７５６ꎬＳｉｃｈｕａｎꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:ＩｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎｏｆｐｏｗｅｒｅｑｕｉｐｍｅｎｔꎬａｎｉｍｐｒｏｖｅｄＹｏｌｏｖ５ｓａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎ

ｍｅｔｈｏｄｆｏｒｐｏｗｅｒｅｑ