基于轻量化YOLOv5s的变电站仪表类型识别及定位研究.pdfVIP

摘要

摘要

工业仪表在变电站中发挥着至关重要的作用，不仅用于监测和控制电力系统的

运行状态，还确保了电力传输的安全性和效率。传统的仪表检测依赖于人工巡检，

不仅消耗大量的人力物力，难以满足变电站安全运营的要求。随着工业智能化、深

度学习目标检测的大力发展，变电站中仪表识别等任务逐渐向人工智能技术转变。

在变电站进行智能化仪表巡检时，目前存在的主要问题是移动设备算力有限，不足

以支持参数量较大的深度学习检测模型；除此之外，由于恶劣天气也是影响移动设

备巡检过程中仪表检测质量的重要因素，因此本文也对恶劣天气下仪表目标检测前

的图像质量增强技术进行了研究。具体工作如下：

针对存在目标检测模型体积及参数量较大，不利于变电站进行移动设备部署的

问题，经过研究对比，本文选择对YOLOv5s网络进行轻量化改进。首先通过使用

多层ShuffleNetV2模块替换原有主干网络，结合SwinTransformer框架和SimAM

自相似注意力机制，提高对图像细节的感知能力。此外，采用轻量化GSConv和

VOV-GSCSP模块提取更丰富的特征信息，以及EIOU边框损失函数优化模型收敛

速度。实验结果，本文算法在保持检测精度的同时，显著减少了模型体积和参数量，

提高了检测速度，为变电站环境下的轻量化模型部署提供了理论基础。

恶劣天气包括雾天、雨雪、风尘等，本文主要以雾天情况展开研究，针对雾天

环境下变电站仪表存在检测难度大、图像不清晰的问题，本文提出了一种基于改进

AODNet的图像去雾算法。该算法通过引入改进的注意力机制模块来强化关键特征

的提取，结合增强模块设计，加强对特征信息解析能力，从而有效的提升了图像的

去雾效果。实验结果表明，与现有主流去雾算法相比，本方法在结构相似性指数

（SSIM）和峰值信噪比（PSNR）两个指标上均表现更好，去雾效果明显，能够降

低雾天环境对变电站仪表检测的影响。

最后，使用Python和Qt软件搭建雾天下变电站仪表识别及定位系统，基于改

进的轻量化YOLOv5s目标检测模型以及基于改进AODNet的图像去雾算法，并在

后端集成了图像去雾、仪表检测、分类显示功能。测试表明，本系统可以完成在雾

天下对变电站仪表类型的准确识别及定位。

关键词变电站；恶劣天气；YOLOv5s；轻量化；仪表识别

I

河北科技大学硕士学位论文

II

Abstract

Abstract

Industrialinstrumentsplayacrucialroleinsubstations,notonlyformonitoringand

controllingtheoperationofpowersystemsbutalsoensuringthesafetyandefficiencyof

powertransmission.Traditionalinstrumentdetectionreliesonmanualinspections,which

notonlyconsumealargeamountofmanpowerandresourcesbutalsostruggletomeetthe

requirementsforsafeoperationofsubstations.Withthevigorousdevelopmentof

industrialintelligenceanddeeplearningobjectdetection,taskssuchasinstrument

recognitioninsubstationsaregraduallyshiftingtowardsartificialintelligencetechnologies.

Themainissuescurrentlyencounteredinintelligentinstrumentinspectio