吴添权，郭 竞，苟先太，黄勤琴，周维超

〈图像处理与仿真〉

基于改进高斯卷积核的变电站设备红外图像检测方法

吴添权1，郭 竞2，苟先太2，黄勤琴2，周维超3

（1. 广东电网有限责任公司潮州供电局，广东 潮州 521000；2. 西南交通大学电气工程学院，四川 成都 611756；3. 四川赛康智能科技股份有限公司，四川 成都 610041）

在无锚点算法CenterNet模型的基础上，针对基于红外图像的目标检测算法检测精度低、耗时长的问题，给出了一种基于改进高斯卷积核的变电站设备红外图像检测方法，该目标检测方法模型网络结构精简，模型计算量较小。通过现场变电站巡检机器人设备收集数据样本，进行算法模型的训练及验证，实现红外图像变电站设备精准识别及定位。本文以变电站巡检机器人搭配红外热成像仪采集到的红外图像库为基础，用深度学习方法对数据集进行训练和测试，研究变电站红外图像的目标检测技术。通过深度学习技术判断设备中心点位实现目标分类和回归。实验结果表明，该方法提高了变电站目标检测方法的识别定位精度，为变电站设备红外图像智能检测提供了新的思路。

无锚点算法；红外图像；目标检测；高斯卷积核；变电站设备

0 引言

目标检测一直以来都是计算机视觉领域的研究重点[1]，也是计算机视觉领域的难点[2]之一。在工业生产、无人驾驶、视频监控等领域都有广泛应用[3]。红外图像目标检测系统具有抗干扰性、全天候工作等特点，在电力行业发挥了重要的作用，红外图像检测质量将直接影响电网系统正常工作的有效作用距离、监控设备及人员的配置，在红外图像预警系统中发挥着至关重要的作用。……