基于RT-GLV的变电站电力人员绝缘手套穿戴检测方法

摘要

变电站电力人员作业穿戴的绝缘手套有目标小、易遮挡的特点，而一般的特征融合网络往往会丢失小目标信息。针对此问题，构建一种多尺度小目标特征融合网络STPFM,对RT-DETR-R18模型进行改进，设计了电力人员绝缘手套穿戴模型RT-GLV。首先，用STPFM网络代替CCFM网络，利用STPFM网络的SSFF模块、TFE模块融合多尺度特征信息，此外，增加一个以SSFF模块为核心的小目标检测层，增强模型对小目标信息的学习能力；其次，为解决替换的STPFM网络模型参数量过大的问题，构建一种轻量化PB＿Block模块，只替换主干网络中包含小目标信息较少的P4、P5层的模块，在轻量化模型的同时，又降低小目标信息的损失；最后，采用PIoUv2损失函数增强模型对难易样本的学习能力。实验结果表明：RT-GLV模型在电力人员绝缘手套穿戴检测中表现优异，与RT-DETR-R18相比，mAP@0.5提高2.1百分点，F1分数提高1.6百分点，参数量减少21.5%;在小目标检测方面，穿戴绝缘手套的AP@0.5提高1.4百分点，未穿戴绝缘手套的AP@0.5提高6.4百分点，且模型检测速度达到91.3帧/s,满足电力人员绝缘手套穿戴检测的准确性、实时性要求。

关键词

绝缘手套 / RT-DETR / 多尺度融合 / 轻量化 / Powerful-IoU