基于改进 YOLOv7x 的电力设备缺陷检测算法
计算机视觉与模式识别
2025-02-26 v1
摘要
电力设备的正常运行在电力系统中发挥着关键作用，使得对电力设备的异常检测具有高度的重要性。本文提出了一种改进的 YOLOv7x 基异常检测算法，用于电力设备。首先，引入 ACmix 卷积混合注意力机制模块，有效抑制背景噪声和无关特征，从而增强网络的特征提取能力。其次，添加 Biformer 注意力机制，以强化对关键特征的关注，提高网络灵活识别特征图像的能力。最后，为更全面地评估预测边界框与真实边界框之间的关系，替换原始损失函数为 MPDIoU 函数，解决预测边界框不匹配的问题。改进后的算法提高了检测精度，在所有目标类别中实现了 [email protected]/% 为 93.5%，精度为 97.1%，召回率为 97%。
引用
@article{arxiv.2502.17961,
title = {Improved YOLOv7x-Based Defect Detection Algorithm for Power Equipment},
author = {Jin Hou and Hao Tang},
journal= {arXiv preprint arXiv:2502.17961},
year = {2025}
}