基于YOLOv5s的海上风电设施检测与预警评估 |
| |
引用本文: | 朱昭云,张波,叶昭良,黄曙荣,曹卫.基于YOLOv5s的海上风电设施检测与预警评估[J].计算机技术与发展,2023(4):182-189. |
| |
作者姓名: | 朱昭云 张波 叶昭良 黄曙荣 曹卫 |
| |
作者单位: | 1. 盐城工学院机械工程学院;2. 华能海上风电科学技术研究有限公司 |
| |
基金项目: | 江苏省重点研发计划(BE2020034); |
| |
摘 要: | 海上风电设施检测在海上风电安全监测领域发挥着重要作用。由于海上环境复杂及海上目标的多样性,现有海上目标检测算法存在网络复杂、检测精度低的问题,难以满足实时性检测和实用性部署要求。针对该问题,该文提出了一种改进YOLOv5s的海上风电设施检测算法。首先,将YOLOv5s的主干网络替换为轻量化GhostNet进行特征提取,降低网络模型的参数量和计算量;其次,在主干网络末端和Neck层分别施加注意力机制(SENet),自适应学习重要通道特征权重,提高检测精度;最后,将Neck层的PANet结构改进为双向金字塔(BiFPN),通过融合不同尺度特征提升检测速度。实验结果表明,该算法在降低网络模型参数量和计算量的同时,在船舶数据集上平均精度达到了96.8%,比原始YOLOv5s网络提升了2.6百分点,检测速度达到了47 FPS。
|
关 键 词: | 机器视觉 风电设施检测 船舶检测 YOLOv5s 轻量化 注意力机制 双向金字塔 |
|
|