基于多模態(tài)感知的變電站智能巡視技術

吳碧海，王超，魏嘉隆，裴星宇

(南方電網廣東珠海供電局，廣東 珠海 519000)

變電站為電力系統(tǒng)的重要組成部分之一，承擔著電能傳輸、轉換、配送等關鍵功能，其安全和穩(wěn)定運行對整個電力系統(tǒng)的穩(wěn)定性具有重要影響[1]，為了及時發(fā)現(xiàn)變電站的故障，有必要定期對變電站設備進行巡視檢查[2]。巡視檢查不僅可以及早發(fā)現(xiàn)潛在的故障，還有助于保持設備的良好狀態(tài)，延長設備的使用壽命。目前，變電站設備的主要檢測方式有人工檢測、機器人檢測[3]和無人機檢測[4]，其中人工檢測仍然是主要的檢測方式，而機器人巡檢和無人機巡檢主要用于數(shù)據采集，運維人員從中準確定位可能存在損傷或隱藏故障的電力設備。機器人和無人機巡檢在實踐中也面臨著一些困難，例如，它們需要投入大量的時間和人力，同時由于環(huán)境復雜性，其準確性也可能受到一定影響；因此，需要持續(xù)不斷地探索和優(yōu)化這些技術，以提升巡檢的效率和準確性水平。這種探索和優(yōu)化的方向包括智能算法的應用、更高分辨率的圖像采集手段，以及更精準的故障診斷方法等。

隨著人工智能技術的迅猛發(fā)展，基于巡檢圖像數(shù)據的變電設備智能評估已成為現(xiàn)實，例如，利用卷積神經網絡(convolutional neural networks，CNN)的目標檢測算法能夠提取目標特征，從而實現(xiàn)對變電站故障設備的智能識別和標記[5-6]。目前，以深度學習為核心的目標檢測算法實現(xiàn)思路主要分為2種類型：一類是二階段目標檢測算法[7]，如區(qū)域卷積神經網絡(region-CNN，R-CNN)[8]、Faster R-CNN[9]、Mask R-CNN[10]等，這類算法通過生成一系列樣本候選框，再使用神經網絡方法提高候選框的分類及定位檢測精度，算法檢測精度高，但檢測速度低；另一類是一階段目標檢測算法[11]，例如YOLO[12]、SSD[13]等，這類算法則根據回歸框的位置、大小以及目標類別的概率來直接檢測目標，檢測速度快且準確率也較高。

在電力設備領域，研究人員已經成功將深度學習應用于紅外圖像故障識別：Wang等[14]使用Mask R-CNN自動提取紅外圖像中的多個絕緣子，使機器能夠獨立分析絕緣子的故障，但該方法在識別精度和計算速度方面還存在改進的空間，尚難以滿足實時檢測的需求；Wei等[15]提出基于殘差網絡(residual network，ResNet)和改進貝葉斯優(yōu)化的變電站設備熱故障診斷模型，雖然該模型達到一定的識別精度，但數(shù)據集的大小仍然對最終的識別精度有很大的影響；為進一步提升紅外圖像故障診斷效率，Xiao等[16]提出基于紅外圖像分割和人工神經網絡故障診斷相結合的絕緣子診斷方法，引入K-means聚類方法消除不良數(shù)據，可以準確地識別故障絕緣子的故障類型和位置；Zhao等[17]提出結合CNN和支持向量機的二進制分類方法，該方法不僅能夠精確地定位絕緣子，而且所需的時間較少。可見，CNN在紅外圖像故障診斷方面發(fā)揮出色，能夠自動識別故障，同時快速并準確地診斷故障；因此，基于CNN的紅外圖像故障診斷方法是一種具有潛力的方法，可以為變電站設備的智能評估提供可靠的技術支持。

雖然紅外圖像被廣泛應用于變電設備熱故障診斷，但紅外傳感器獲得的單個紅外圖像細節(jié)較少，在光照條件下拍攝對比度和分辨率較低，導致故障檢測不準確；與此相比，由光學傳感器獲得的可見光圖像保留了電力設備豐富的紋理信息：因此，眾多學者提出了將來自不同傳感器的信息整合在一起，不僅便于故障識別和檢測，還可以壓縮數(shù)據，節(jié)省通信流量。在此研究方向：Liu等[18]提出基于CNN的紅外和可見光圖像融合新方法，利用孿生卷積網絡獲得融合了2個源圖像像素活動信息的權重圖；Li等[19]研究了自動編碼器-解碼器網絡，在編碼器中使用殘差密集塊來提取特征，并在解碼器中融合這些特征以獲得融合圖像；Zhang等[20]提出基于CNN的通用圖像融合框架，該框架采用2個卷積層，從多個輸入圖像中提取顯著的圖像特征，然后通過特征融合規(guī)則來融合這些特征，最后利用2個卷積層來結合和重建這些特征以獲取融合圖像。然而，目前大多數(shù)紅外和可見光圖像的融合方法通常會對所有輸入圖像執(zhí)行相同的表示框架，這并不適用于特定的故障檢測任務，需要進一步研究如何根據具體任務，來選擇最合適的圖像融合方法，以提高故障檢測的準確性和可靠性。

為此，針對變電設備元件尺寸差異大、故障類型多樣、檢測效率低下等問題，本研究選擇YOLOv5算法作為基礎框架，以實現(xiàn)高效準確的變電設備故障檢測。為了進一步提高模型的特征提取能力和降低計算量，本研究改進了YOLOv5的主干網絡并增加了注意力模塊，以提高對微小缺陷的識別能力。所提模型實現(xiàn)了對變電站設備故障的高效、精確檢測，可以滿足實際工業(yè)生產和巡視的需求。主要研究內容如下：

a)針對白天拍攝的紅外圖像對比度低的問題，提出多尺度拉伸紅外圖像和可見光圖像融合算法，通過融合紅外、可見光圖像，生成邊緣增強、質量更好的合成圖像。

b)針對跨階段部分(cross stage partial，CSP)網絡結構計算復雜、耗費資源大的問題，在特征提取時，采用更加輕量化的ShuffleNet v2作為主干網絡，以降低模型的參數(shù)量和計算量，從而提高檢測的準確性和穩(wěn)定性。

c)針對變電設備微小元件特征損失較大的問題，將卷積塊注意力模塊(convolutional block attention module，CBAM)[21-22]嵌入YOLOv5的預測網絡中，增強網絡特征提取能力，提高對小元件的檢測性能，從而提高模型檢測準確率。

d)為解決廣義交并比(generalized intersection over union，GIOU)損失函數(shù)的不足，YOLOv5算法采用有效交并比(efficient intersection over union，EIOU)損失函數(shù)，提升了精度和收斂速度，取得更好的計算效果。

1 基于多模態(tài)感知的變電站智能巡視模型

為了提高變電站的整體運營效率并降低安全風險，本研究提出基于多模態(tài)感知的變電站智能巡視技術，采用圖片數(shù)據來監(jiān)測變電站設備的運行狀態(tài)、溫度、表面污穢、裂縫、破損等，從而識別變電站設備內部的變壓器、斷路器、隔離開關、電流互感器等器件故障，旨在實現(xiàn)對變電站環(huán)境的全方位監(jiān)控，并顯著提升巡視工作的效率。

1.1 變電站智能巡視技術流程

本文所提出的變電站智能巡視技術的工作流程具體為：首先，為了優(yōu)化數(shù)據質量，對可見光圖像和紅外圖像分別進行去噪處理(中值濾波)，有助于削減圖像中的噪聲干擾，提升后續(xù)處理的準確性和可靠性；其次，采用多尺度拉伸紅外圖像和可見光圖像融合算法，融合處理紅外圖像和可見光圖像，以提高紅外圖像分辨度和細節(jié)層次度，并保留紅外圖像特征信息；最后，使用改進后的YOLOv5網絡對變電站設備的數(shù)據進行訓練，以識別變電站設備內部的變壓器、斷路器、隔離開關、電流互感器等器件故障，及時發(fā)現(xiàn)設備及回路預警，并實現(xiàn)變電站缺陷的快速響應和隱患的精準定位。

1.2 紅外與可見光圖像融合算法

如果在白天或者較強燈光的條件下拍攝變電設備紅外圖片，光照會嚴重干擾紅外成像，導致紅外圖像的細節(jié)丟失嚴重[23]。為了有效解決這一問題，本文提出采用紅外圖像與可見光圖像的融合處理方法。這種處理方式可以在融合圖像中加強可見光圖像的紋理結構，并保留紅外圖像的熱信息，從而更好地揭示設備故障的熱點。可見光圖像在光照條件下具有更好的成像能力，融合后的圖像能夠更好地呈現(xiàn)設備表面的紋理特征，有助于提升圖片的細節(jié)度；因此，該處理方法可提高設備缺陷的識別率。

本研究采用多尺度拉伸紅外圖像和可見光圖像融合算法，將2個圖像的信息整合到融合圖像中，并保留可見光圖像的顏色。首先，引入一種內容自適應的Gamma校正方法，根據可見光圖像的動態(tài)范圍拉伸紅外圖像的動態(tài)范圍，以緩解融合圖像中過度亮度變化和顏色失真的問題，其公式為

(1)

式中：p為圖像中的像素；Ze(p)為拉伸后的紅外圖像；Zd(p)為紅外圖像的細節(jié)層(紋理、噪聲等)；Zb(p)為紅外圖像的基本層(由具有尖銳邊緣的均勻區(qū)域組成)；γ為調整參數(shù)，

(2)

為了擴展紅外圖像動態(tài)范圍并同時保持輸出不大于最大強度，假設Ze(p)的最大值、最小值分別為Ze，max、Ze，min，輸出歸一化拉伸后的紅外圖像Ze，s(用下標s表示相關參數(shù)的歸一化值，下同)，

(3)

然后，根據紅外圖像和可見光圖像的特點引入新的權重矩陣，拉伸的紅外圖像和可見光圖像的權重

W(p)=CwC(p)EwE(p).

(4)

式中：C(p)、E(p)分別為對比度、曝光度；wC、wE為對應C(p)、E(p)的權重指數(shù)，其默認值為1。對于每個圖像，采用Laplacian濾波器Lf來處理其灰度空間Ig，取濾波器響應的絕對值以獲得對比度，即

C(p)=Lf?Ig(p).

(5)

式中“?”為卷積運算符號。

紅外圖像中亮度較高的部分在權重矩陣中具有較低的值，因此紅外圖像關注的某些部分(例如電纜)在融合圖像中變得昏暗。為了防止融合圖像被可見光圖像所主導，需要采取一些策略來平衡兩者的影響。在這一背景下，將經過拉伸處理的紅外圖像的對比度，映射到與可見光圖像的對比度相匹配，以確保兩者在數(shù)量級上保持一致，公式為

(6)

式中：Cv，max、Cv，min分別為可見光圖像對比度的最大值、最小值；Cs，max、Cs，min分別為拉伸紅外圖像的對比度的最大值、最小值；Cs(p)為經過拉伸處理的紅外圖像的對比度；C′s(p)為Cs(p)匹配后的值。

在E(p)中，根據Ig(p)與0.5的接近程度使用高斯曲線進行加權，即

(7)

為改善拉伸后的紅外圖像中高亮部分的權重，式(7)中參數(shù)φ設置為：對于可見光圖像，φ=0.2；對于紅外圖像，φ=0.375。

最后，根據權重矩陣使用高斯金字塔和拉普拉斯金字塔組合，以產生融合圖像。

1.3 YOLOv5算法

YOLO目標檢測算法的特點之一是將目標檢測任務轉化為回歸與分類的綜合任務[24-25]，其核心思想是將輸入圖像劃分為S×S(S為網格的邊長)的網格，在每個網格單元中執(zhí)行目標檢測任務，包括預測物體類別和位置參數(shù)，以及生成邊界框。每個邊界框包含目標物體的類別標簽、置信度、尺寸和位置參數(shù)。為獲得最終目標檢測結果，采用非極大值抑制(non-maximum suppression，NMS)算法清除冗余邊界框。通過比較各邊界框的置信度，NMS算法過濾多余檢測結果，保留最具置信度的預測框，提供最可靠的目標識別結果。這一步驟有效消除了重復檢測和冗余信息，使最終輸出更準確可靠。

變電站智能巡視技術的核心目標是采用先進的計算機視覺技術替代常規(guī)的人工巡視方法。為實現(xiàn)這一目標，需要具備實時識別和高檢測精度的識別模型。在變電站智能巡視任務中，YOLO系列算法在多個方面(包括靈活性、檢測速度和模型尺寸)表現(xiàn)出顯著的優(yōu)勢，在目標檢測領域表現(xiàn)卓越，其卓越的準確率和對小目標的良好識別能力使其在實際應用中備受青睞；因此，本文采用YOLOv5算法作為變電站設備故障識別模型。

YOLOv5網絡模型由4個關鍵模塊組成：輸入端、主干網絡、瓶頸塊和預測端。該模型以圖像數(shù)據作為輸入，輸出檢測框和對應的類別標簽。為提高魯棒性和泛化能力，采用Mosaic數(shù)據增強、自適應錨框計算等方法，通過擴充數(shù)據集提高泛化能力和檢測精度。主干網絡結構采用焦點、CSP網絡和空間金字塔池化(spatial pyramid pooling，SPP)，防止圖像失真，并解決CNN重復提取圖像特征的問題。瓶頸塊結構采用特征金字塔網絡結合路徑聚合網絡，縮短層間路徑，促使高層和低層語義信息更好融合。預測端包括邊界框損失和NMS算法，通過NMS處理，保留最佳目標框并去除冗余預測框，以確保檢測結果的準確性和可靠性。

YOLOv5網絡架構及子模塊分別如圖1、圖2所示。圖1中，F(xiàn)ocus表示焦點，CBL表示卷積層后接批量歸一化層，Contact表示通道疊加，Conv表示普通卷積層；圖2中，BN表示批歸一化，Leaky relu表示允許負值有非零的梯度的激活函數(shù)，Res uint表示殘差單元，add表示結合模塊，Maxpool表示最大池化模塊，slice表示從張量中提取特定的部分或切片。

圖1 YOLOv5網絡架構Fig.1 The network architecture of YOLOv5

圖2 YOLOv5子模塊Fig.2 The sub-module of YOLOv5

YOLOv5網絡模型的核心參數(shù)包括輸入圖像尺寸、訓練數(shù)據集、超參數(shù)(如學習率、批次大小、迭代次數(shù))等。通常情況下，較大的輸入尺寸可以提供更精細的檢測結果，但也會增加計算復雜度。

1.4 YOLOv5網絡模型的改進

1.4.1 主干網絡改進

在YOLOv5的主干網絡中，CSP網絡結構雖然在提升檢測性能方面表現(xiàn)出色，但在計算資源受限的硬件設備上，其計算復雜性給推理過程帶來了挑戰(zhàn)，導致推理時間難以滿足各種應用需求。相對于YOLOv5的默認主干網絡，ShuffleNet是一種更輕量級、更高效的選擇，不僅能夠顯著減小模型的規(guī)模和計算量，還能夠在一定程度上提升模型的運行效率；因此，主干網絡采用了主流的輕量化網絡結構ShuffleNet v2。其中，混洗單元是ShuffleNet v2的一個關鍵組件，其結構如圖3所示，圖中DWConv表示深度卷積層，Channel Split表示通道分割，Channel Shuffle表示通道混洗。圖3(a)、(b)所示分別為輕量級網絡ShuffleNet v2的2種核心模塊，分別為模塊a和模塊b。當步長為1時，使用模塊a，它可以增加通道數(shù)但保持輸入輸出尺寸不變；當步長為2時，使用模塊b，它會將通道數(shù)加倍并將特征圖尺寸減半。

圖3 混洗單元結構Fig.3 Structure of shuffle unit

混洗單元將輸入特征圖拆分成2個分支，步長為1時左邊的分支不做處理，右邊的分支則經過3個卷積操作，來確保輸入特征矩陣和輸出特征矩陣的通道數(shù)相等，從而達到最小的乘加操作值并減少時間消耗，最后，混洗單元在通道維度上隨機打亂特征圖的順序，以融合2個分支之間的特征信息。當步長為2時，不再進行通道拆分。這種結構使得ShuffleNet v2網絡的計算量和參數(shù)量較低，有利于輕量化網絡的構建。改進前后的主干網絡整體結構如圖4所示。

圖4 主干網絡改進前后對比Fig.4 Comparison of the backbone network before and after improvement

1.4.2 CBAM

變電站環(huán)境通常比較復雜，可能存在灰塵、水汽等干擾物，導致收集到的圖像細節(jié)模糊，容易造成誤檢和漏檢。在目標檢測領域，鑒于輸入網絡的圖像復雜且多樣，引入注意力機制可使模型在資源有限的情況下，關注重要內容和關鍵位置，以提高模型的檢測精度。多頭注意力機制可以1次并行運行1個注意力模塊。CBAM是一種用于前饋CNN的視覺注意力模塊，旨在提高網絡的性能和準確度，它的實現(xiàn)較為簡單且有效。與常規(guī)的注意力模塊(包括多頭注意力模塊)相比，CBAM具有以下優(yōu)點：①可以同時沿著通道和空間這2個獨立維度推導出各自的權重系數(shù)，從而多維度地表示特征；②可以根據不同的特征圖自適應地細化特征，以更好地捕捉特征之間的相關性和重要性，提高模型的性能和準確率；③可以靈活地插入到前饋網絡結構中，以提高網絡的特征提取能力和檢測性能。鑒于此，本研究采用CBAM并將其嵌入預測網絡中，增強網絡特征提取能力，提高模型檢測準確率。

如圖5所示，通道注意力模塊和空間注意力模塊是該模塊的2個部分。首先，通過通道注意力模塊對輸入特征圖進行最大池化和平均池化操作，以獲取不同通道的特征向量權重參數(shù)，之后使用全連接層和sigmoid函數(shù)進行歸一化處理，最終賦值給通道權重，以實現(xiàn)通道維度上的特征變換；然后，將輸入特征輸入空間注意力模塊，經過最大池化和平均池化操作后得到雙通道的特征圖，最終進行卷積、sigmoid函數(shù)處理等操作，實現(xiàn)空間維度上的特征變換。簡單來說，CBAM先在通道維度上實現(xiàn)特征變換得到新的特征圖，然后在空間維度上對新的特征圖進行特征變換，輸出最終特征圖。

圖5 CBAMFig.5 CBAM

本研究在YOLOv5的預測端的3個分支后添加了CBAM，以提高模型檢測精度。由于實際工業(yè)監(jiān)測中采集到的圖像尺度大小不一，這一方法可以幫助模型學習到更多重要的信息，同時幾乎不會影響模型的大小。改進前后的預測端結構如圖6所示。

圖6 預測端改進前后對比Fig.6 Comparison of prediction terminal before and after improvement

1.5 損失函數(shù)

YOLOv5的損失函數(shù)包含3個部分，分別是目標分類誤差Lcls、置信度誤差Lobj，以及邊界框位置預測誤差Lbbox。原網絡采用GIOU損失函數(shù)對邊界框位置誤差進行預測，計算式為

(8)

式中：kIOU為預測框和真實框的交并比；S2為覆蓋預測框和真實框的最小矩形面積；S1為交集的面積。

該損失函數(shù)解決了兩框沒有交集面積時kIOU值為0的問題，但是當預測框和真實框的寬高相等且處于同一水平或同一垂直線時，損失退化為交并比損失，而且在橫向與縱向收斂較為緩慢；因此，為了提高模型的收斂穩(wěn)定性，本研究采用EIOU損失函數(shù)來定義YOLOv5算法在目標檢測中的損失函數(shù)，其涵蓋了重疊損失LIOU、距離損失Ldis和寬高損失Lasp3個方面的損失函數(shù)[26]，公式為

(9)

式中：b為邊界框；bgt為真實邊界框；w、h分別為邊界框的寬度、高度；wgt、hgt分別為真實邊界框的寬度、高度；wc、hc分別為能夠共同包圍2個邊界框(預測框和真實框)的最小矩形的寬度、高度；ρ(b，bgt)為2個框中心點的距離；ρ(w，wgt)、ρ(h，hgt)分別為2個框寬度、高度之間的差異。EIOU損失函數(shù)不僅考慮了重疊損失和中心距離損失，也調整了寬高損失，在懲罰過程中，直接對w和h的預測結果進行懲罰，可以更好地反映預測框和真實框之間的寬高差異，加快網絡收斂，有助于提高回歸精度。

2 實驗與結果分析

2.1 平臺搭建與模型訓練

本研究模型訓練與測試采用的軟件環(huán)境和硬件環(huán)境配置為：Windows 11操作系統(tǒng)、PyTorch深度學習框架、CUDAv11.6、OpenCV4.6.0、CPU Intel i5-12500H @2.50 GHz、16GiB RAM、GPU NVIDIA GeForce RTX 3060。設置輸入圖片的大小為512×512，設置批次大小為8，進行5 000次迭代，學習率設為0.001。CBAM中空間注意力模塊的降維系數(shù)設置為16，隱層單元數(shù)設置為256，卷積核大小設置為7，步長設置為1，填充值設置為1。

2.2 數(shù)據集和評價指標

2.2.1 數(shù)據集

因尚無公開的變電設備圖像數(shù)據集可用，本研究采用自建方式，構建了包含紅外和可見光圖像的變電設備數(shù)據集。使用?？低旽16熱像儀采集變電設備圖像，該設備可同時采集分辨率為160×120的紅外圖像和分辨率為1 600×1 200的可見光圖像，其測溫的量程范圍為-20～400 ℃，滿足本研究的需求。使用?？低旽16熱像儀得到6 301張圖像，共涉及11種缺陷檢測類別，其中包括了表計讀數(shù)異常、外殼破損、箱門閉合異常、蓋板破損等。之后將標記的數(shù)據集分為5 000張圖像的訓練集和1 301張圖像的測試集，見表1。

表1 變電站圖像數(shù)據集Tab.1 Substation image dataset

為了進一步豐富數(shù)據集，本研究采用圖像翻轉和平移等增強技術，對部分圖像進行數(shù)據增強以擴展數(shù)據集的數(shù)量，提高模型在不同視角和場景下的魯棒性和泛化能力，其數(shù)據集如圖7所示。

圖7 數(shù)據集可視化Fig.7 Dataset visualization

2.2.2 評價指標

為了驗證改進后的YOLOv5網絡模型在變電站智能巡視中的性能，引入混淆矩陣指標對模型進行評價，混淆矩陣包含4種類型的定義：TP(將正樣本正確預測為正樣本，樣本數(shù)量記為nTP)、TN(將負樣本正確預測為負樣本，樣本數(shù)量記為nTN)、FP(將負樣本錯誤地預測為正樣本，樣本數(shù)量記為nFP)、FN(將正樣本錯誤地預測為負樣本，樣本數(shù)量記為nFN)。在評價模型性能時，選擇平均準確率kmAP、召回率R、模型參數(shù)量kpar、模型計算量kFLOP和檢測速率kFPS作為主要評價指標。各計算公式如下所示：

(10)

(11)

(12)

式中：P為準確率，表示正確預測的樣本占所有預測出目標的比例；SAP為準確率-召回率曲線與坐標軸圍成的面積；n為類別的總數(shù)。kFPS為每秒檢測的幀數(shù)，衡量算法檢測速度的快慢[27]。

2.3 對比實驗

本研究選用4種輕量化目標檢測模型(YOLOv5s、YOLOv5-MobileNet[28-29]、YOLOv4-tiny[30]和YOLOv3[31])和2種目標檢測領域SOTA的模型(SIOD[32-33]和MonoDETR[34])，與本文所提的改進后的YOLOv5模型在變電站場景下進行性能對比。在測試階段，將模型應用于數(shù)據集中的所有圖像，并計算出每個模型的平均準確率、計算量、參數(shù)量和檢測速率，結果見表2。

表2 對比實驗結果Tab.2 Comparative experimental results

從表2中可以看出，相較于其他輕量化模型，改進YOLOv5模型的參數(shù)量和計算量均最低，且平均準確率最高：平均準確率較YOLOv5s模型提高了約4%，能夠滿足變電設備故障檢測的高精度需求；檢測速率略高于YOLOv5s模型，低于YOLOv4-tiny，但仍具有實時性。本文所提模型在整體框架的基礎上融合了ShuffleNet v2，大大降低了模型的參數(shù)量，相較于2種SOTA模型具有輕量級的特點，可以輕松部署到移動平臺，滿足對變電站設備實時監(jiān)測的場景需求，并且在特征提取模塊引入了注意力機制(CBAM)，該機制允許模型集中注意力在與當前任務相關的部分輸入數(shù)據上，通過這種方式可以更好地處理噪聲數(shù)據或不相關信息，應對輸入數(shù)據中的干擾。這種集中注意力的能力有助于提高模型的準確性和性能，增強模型魯棒性。

綜合上述實驗結果，本文所提的改進YOLOv5模型是一種高效準確的變電設施檢測模型，其獨特的性能表現(xiàn)包括出色的檢測精度和實時性，使其在變電設備智能巡視領域具有重要的價值。圖8展示了該模型對某些變電站設備的缺陷檢測可視化結果。示例中虛線框內標注的區(qū)域是溫度超過設定閾值的異常部分，即可能存在缺陷的局部區(qū)域。實驗結果與實際情況相符，表明了本文所提模型的有效性和準確性，可以有效地對變電站設備進行精確檢測識別。

圖8 改進YOLOv5模型可視化結果Fig.8 Improved visualization result of YOLOv5 model

在實際應用中，本文所提的改進模型有望為變電站設備故障的自動檢測和識別提供可靠的解決方案，從而提升了電力設施的運行效率和安全性。

2.4 消融實驗

為了更加全面地分析改進后的YOLOv5網絡模型中各個關鍵改進模塊對于變電設備識別的優(yōu)越性，本研究在原YOLOv5的基礎上，將改進后的主干網絡(ShuffleNet v2)、注意力機制(CBAM)分別加入原YOLOv5中，進行一系列消融實驗。僅加入ShuffleNet v2的改進模型記為“YOLOv5+Shuffle-Net v2”，僅加入CBAM的改進模型記為“YOLOv5+CBAM”。具體實驗內容與測試結果見表3。

表3 消融實驗結果Tab.3 Ablation results

從表3中可以看出：僅加入ShuffleNet v2后，YOLOv5模型的平均準確率下降了5.30%，但參數(shù)量、計算量分別減少了5.73 Mibit、10.5 Gibit，模型的檢測速率提高了17幀/s，模型的計算速度得到了顯著提高，此舉實現(xiàn)了在保持一定精度的同時，大幅度提升模型的計算效率，從而使其具備更好的實時性能；而僅將CBAM引入YOLO v5模型后，平均準確率提高了2.1%，計算量和參數(shù)量的變化不大，但檢測速率稍微降低；與原YOLOv5模型相比，融合了這2個方面的改進YOLOv5模型參數(shù)量減少了5.26 Mibit，計算量減少了10.3 Gibit，平均準確率提升了4.0%。綜合上述實驗結果可知，融合ShuffleNet v2和CBAM的改進YOLOv5模型，不僅能夠在不降低精度的情況下減少計算負擔，還能夠有效提升檢測速度和實時性。這一優(yōu)化策略為目標檢測算法的發(fā)展提供了新的思路，尤其在對計算效率和精度均有高要求的變電設備智能巡視任務中，具有顯著的應用潛力。

3 結束語

本文提出一種改進YOLOv5模型的變電站智能巡視技術。首先，結合ShuffleNet v2對主干網絡進行修改，大大降低模型的體積和計算量，提高檢測速度；其次，在YOLOv5的預測端引入注意力機制(CBAM)，增強算法檢測變電設備故障的能力，提高檢測精度；最后，在損失函數(shù)部分，引入EIOU函數(shù)解決長、寬損失定義不明確的問題，在不影響檢測速度的前提下，提高算法的檢測性能。在自建數(shù)據集上完成實驗，結果表明：相比于原YOLOv5模型，改進后的模型大大降低了參數(shù)量和計算量，且提高了模型檢測的準確率；同時，與目前主流的輕量化模型相比，本文所提的改進YOLOv5模型綜合性能最好。

然而，這些改進仍需考慮模型的魯棒性、數(shù)據集多樣性，以及實際部署時的硬件限制和性能要求。進一步研究可以集中在提高模型的適應能力、解釋性和實際應用中的可行性，將有助于將改進YOLOv5模型更好地應用于變電站智能巡視等現(xiàn)實場景。