基于数据增强与改进YOLOv5的电气设备红外图像检测

摘要

为了使电气设备发热缺陷检测方法更加完善，提高算法对电气设备红外图像的识别精度，提出了基于数据增强与改进YOLOv5的电气设备红外图像检测方法。首先，针对电气设备红外图像信噪比和对比度低的问题，采用快速引导滤波算法对数据集中的红外图像进行去噪，通过引入Gamma校正来改进CLAHE算法，进而对红外图像进行对比度增强处理；其次，为了提高检测算法的精度，在原YOLOv5算法的基础上引入信息聚集和分发机制来改进特征融合模块，增强了多尺度特征融合能力，同时还引入了Focal-CIoU损失函数，使算法更加关注高质量样本，抑制低质量样本，提升了模型收敛速度；最后，经验证，改进后的算法在自建数据集上的mAP为93.6%,较改进前提高了4.0百分点。所提算法的mAP较Faster R-CNN、SSD、YOLOv3、YOLOv7 4种算法分别提高了4.5百分点、6.1百分点、4.7百分点和3.5百分点，且帧率达到32帧/s,可以满足对电气设备的实时识别要求。

关键词

电气设备 / 数据增强 / GD机制 / Focal-CIoU损失函数 / 红外图像识别