基于YOLOv5s的海上风电设施检测与预警评估

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。