苏海锋，赵 岩，武泽君，程 博，吕林飞

基于改进RetinaNet的电力设备红外目标精细化检测模型

苏海锋，赵 岩，武泽君，程 博，吕林飞

（华北电力大学 电力工程系，河北 保定 071000）

电力设备在运行过程中会产生大量红外图像，当红外图像中的电力设备存在排列密集、具有倾斜角度、大长宽比的情况时，基于水平矩形框的目标检测网络只能给出目标概略位置，易发生目标检测区域重叠，引入冗余背景信息，使得检测结果不够精细。针对此问题，提出在RetinaNet目标检测网络中引入旋转矩形框机制，并在网络输入端引入Mosaic数据增强技术；将原特征提取网络中ReLU函数替换为梯度流更平滑的Mish激活函数；在原模型FPN模块后追加PAN模块进一步融合图像特征。最后利用现场采集的电力设备红外图像制作数据集，将改进后的模型与Faster R-CNN、YOLOv3、原RetinaNet三种基于水平矩形框定位的目标检测网络进行对比评估，实验表明改进后的模型可以更为精细地检测出密集场景下带有倾角的电力设备红外目标，在多类别电力设备检测准确率对比上高于以上3种模型。

红外图像；RetinaNet；电力设备；卷积神经网络；目标检测；

0 引言

电气设备的可靠运行直接关系到电力系统的安全与稳定，其在故障早期往往会出现温度异常的现象。红外热成像技术作为一种非接触式的测温技术，可以全天候地获取电力设备温度分布信息并形成热谱图进行显示[1]，及时有效地发现设备过热缺陷。目前该技术已广泛地应用到了变电站电气设备运行状态检测当中，但其产生的大量红外图像仍然要靠人工进行故障判别与分析[2]，效率低下、主观性强，难以提升设备状态检测过程的实时性与可靠性。……