文档名：数字化智能配电站房边缘图像检测技术
摘要：城市中配电站房分布广、基数大,为了便于对大规模的配电站房进行实时监控并避免配电站房的信息泄露,提出了一种基于YOLOv5s模型的图像识别边缘计算方法.YOLOv5s模型被简化以移植到微控制器单元.改进模型采用ShuffleNetV2网络替换原模型的CSPNet骨干网络;去除Focus层,避免多次切片操作;摘除ShuffleNetV2骨干网络的1024卷积和7×7池化层;对YOLOv5的颈部网络进行了剪枝操作.通过实验验证,在不同场景下,所提出的图像识别方法的网络参数约为95ms/帧(优于YOLOv5s的480ms/帧),能够有效识别和准确定位火情,探测精度可达95.5％.YOLOv5计算所得的结果将被传输至边缘节点进行整合并发送至云平台进行处理.
作者：吴栋萁 苏毅方 谢强强 Author：WUDongqi SUYifang XIEQiangqiang
作者单位：国网浙江省电力有限公司电力科学研究院,浙江杭州310006国网浙江省电力有限公司,浙江杭州310007杭州电子科技大学电子信息学院,浙江杭州310018
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(8)
分类号：TP391
关键词：配电站房 图像识别 YOLOv5模型 微控制器单元 轻量级 边缘计算
Keywords：powerdistributionstation imagerecognition YOLOv5model microcontrollerunit(MCU) lightweight edgecomputing
机标分类号：TP391.41TM769TM63
在线出版日期：2023年8月25日
基金项目：国网浙江省电力有限公司双创资助项目数字化智能配电站房边缘图像检测技术[
期刊论文] 传感器与微系统--2023, 42(8)吴栋萁 苏毅方 谢强强城市中配电站房分布广、基数大,为了便于对大规模的配电站房进行实时监控并避免配电站房的信息泄露,提出了一种基于YOLOv5s模型的图像识别边缘计算方法.YOLOv5s模型被简化以移植到微控制器单元.改进模型采用ShuffleNetV2...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
数字化智能配电站房边缘图像检测技术 Edge image detection technology for digital intelligent power distribution station
数字化智能配电站房边缘图像检测技术.pdf
- 文件大小:
- 7.35 MB
- 下载次数:
- 60
-
高速下载
|
|
