【基于改进YOLOv4算法的变电站面板设备状态识别分析3100字（论文）】

基于改进YOLOv4算法的变电站面板设备状态识别分析目录TOC\o"1-3"\h\u9833基于改进YOLOv4算法的变电站面板设备状态识别分析 161931.1基于改进YOLOv4算法的旋钮状态识别分析 1229061.2基于改进YOLOv4算法的空开状态识别分析 4262861.3基于改进YOLOv4算法的压板状态识别分析 5197351.4基于改进YOLOv4算法的指示灯状态识别分析 6113261.5试验结果与分析 7251701.6小结 8变电站中存在表征变电站工作状态的面板，上面包含旋钮、空开、压板、指示灯等常见变电站设备。在进行数据类别标注时，本文将同一类型设备的不同状态视作不同类别。例如，空开有“开”和“关”两种状态，在标注时会以“空开_开”和“空开_关”这两种不同的标签来表示，类似的压板、指示灯的子状态都视作一个单独的类别。这样标注可以使目标检测模型在实现设备类型判断的同时，也进行设备状态的判断，减少了目标检测模型进行识别的次数，提高了整体的识别速度。但由于旋钮的子状态较多（8种），本文使用第三章提出的改进YOLOv4算法，对旋钮状态进行进一步的识别。1.1基于改进YOLOv4算法的旋钮状态识别分析变电站旋钮的子状态较多，2020年史梦安等[54]使用YOLO-tiny-RFB模型识别旋钮开关，平均准确率为0.907，基本能够对旋钮的状态进行准确的分类，但是如果想在实际生产中应用，还需进一步提高识别准确率。旋钮开关包含8个子状态，即可能会被置于8个不同的方向：左、右、上、下、左上、左下、右上、右下。为了方便标注，在标注时将指向左的旋钮状态用序号“0”代替，序号按顺时针排序，如图5-1所示。图5-1旋钮的8种子状态由于旋钮子状态数量较多，但各子状态的图片却较少，因此，本文首先在常见变电站设备识别时，将所有旋钮开关视作一类，不论其处于什么状态。对于旋钮开关的子状态的进一步判断，则通过使用改进YOLOv4算法，结合旋钮状态数据集，训练“改进YOLOv4算法-C”模型，使用该模型完成对旋钮状态的具体识别。旋钮数据集中各种状态的数量如表5-1所示。从表中可以发现，在采集到的旋钮开关图片中，旋钮开关的子状态主要集中在“左”、“上”、“右上”这3个方向，而其他的子状态出现的次数较少，甚至有些子状态旋钮图片数量为0。为了平衡各类数据，本文通过旋转旋钮图像的方式来增加旋钮样本，平衡后的数量如表5-1所示。各状态下旋钮的具体形态如图5-2所示。表5-1旋钮开关各状态的数量分布旋钮开关方向初始数量增广后数量左32114左上2683上82114右上3483右0114右下1283下0114左下2683图5-2各状态下旋钮的具体形态完成旋钮数据集制作后，需要训练一个新的模型。本文尝试使用在训练变电站设备识别模型时提出的改进YOLOv4算法，结合旋钮数据集，训练“改进YOLOv4算法-C”模型，提高识别准确率。本文中旋钮数据集数据扩充后共有1600张图片。训练时输入图像为416×416，训练阶段采用动量为0.9的异步随机梯度下降，每一个批次包含16张图像，权值的初始学习率为0.001，训练迭代次数为8000次，当迭代次数为6000次和7000次时，分别将学习率降低为0.0001和0.00001。表5-2为“改进YOLOv4算法-C”模型对旋钮状态的识别效果。从表5-2中可以看出，改进YOLOv4算法在旋钮状态识别实验中，检测准确率达到96.34%，召回率达到98.75%，F1-score得分为0.9753，验证了改进YOLOv4算法在旋钮状态识别上的有效性与优越性。图5-3为本文改进YOLOv4算法的部分旋钮状态识别结果。表5-2旋钮状态识别结果旋钮状态TPFPFNPI%RI%F1-score左233188.46%91.83%0.9200左上201091.24%100.00%0.9756上2000100.00%100.00%1.0000右上152088.24%100.00%0.9375右2000100.00%100.00%1.0000右下1200100.00%100.00%1.0000下3101100.00%96.88%0.9841左下1700100.00%100.00%1.0000整体1586296.34%98.75%0.9753图5-3改进YOLOv4算法的旋钮状态识别结果图片1.2基于改进YOLOv4算法的空开状态识别分析表5-3为本文第三章中“改进YOLOv4算法-A”模型对空开状态的识别效果。从表5-3中可以看出，改进YOLOv4算法在空开状态识别实验中，“开”的检测准确率达到89.25%，召回率达到100.00%，F1-score得分为0.9432；“关”的检测准确率达到90.00%，召回率达到99.15%，F1-score得分为0.9435，验证了改进YOLOv4算法在空开状态识别上的有效性与优越性。图5-4为本文改进YOLOv4算法的部分空开状态识别结果。表5-3空开状态识别结果空开状态TPFPFNPI%RI%F1-score开33240089.25%100.00%0.9432关23426290.00%99.15%0.9435图5-4改进YOLOv4算法的空开状态识别结果图片1.3基于改进YOLOv4算法的压板状态识别分析表5-4为为本文第三章中“改进YOLOv4算法-A”模型对压板状态的识别效果。从表5-4中可以看出，改进YOLOv4算法在压板状态识别实验中，“开”的检测准确率达到94.07%，召回率达到100.00%，F1-score得分为0.9694；“关”的检测准确率达到88.92%，召回率达到100.00%，F1-score得分为0.9413，验证了改进YOLOv4算法在压板状态识别上的有效性与优越性。图5-5为本文改进YOLOv4算法的部分压板状态识别结果。表5-4压板状态识别结果压板状态TPFPFNPI%RI%F1-score开22214094.07%100.00%0.9694关65081088.92%100.00%0.9413图5-5改进YOLOv4算法的压板状态识别结果图片1.4基于改进YOLOv4算法的指示灯状态识别分析表5-5为为本文第三章中“改进YOLOv4算法-A”模型对指示灯状态的识别效果。从表5-5中可以看出，改进YOLOv4算法在四种颜色的指示灯开关识别实验中，“开”的检测准确率达到92.90%，召回率达到100.00%，F1-score得分为0.9632；“关”的检测准确率达到91.84%，召回率达到98.81%，F1-score得分为0.9730，验证了改进YOLOv4算法在指示灯状态识别上的有效性与优越性。图5-6为本文改进YOLOv4算法的部分指示灯状态识别结果。表5-5指示灯状态识别结果指示灯状态TPFPFNPI%RI%F1-score指示灯开49738092.90%100.00%0.9632指示灯关41518591.84%98.81%0.9730 图5-6改进YOLOv4算法的指示灯状态识别结果图片1.5试验结果与分析1.1将改进YOLOv4算法应用到旋钮状态识别中，实验结果分析表明，旋钮状态的检测准确率达到96.34%，召回率达到98.75%，验证了改进YOLOv4算法在旋钮状态识别上的有效性与优越性。1.2将改进YOLOv4算法应用到空开状态识别中，实验结果分析表明，空开“开”的检测准确率达到89.25%，召回率达到100.00%；“关”的检测准确率达到90.00%，召回率达到99.15%。验证了改进YOLOv4算法在空开状态识别上的有效性与优越性。1.3将改进YOLOv4算法应用到压板状态识别中，实验结果分析表明，压板“开”的检测准确率达到94.07%，召回率达到100.00%；“关”的检测准确率达到88.92%，召回率达到100.00%。验证了改进YOLOv4算法在压板状态识别上的有效性与优越性。1.4将改进YOLOv4算法应用到指示灯状态识别中，实验结果分析表明，指示灯“开”的检测准确率达到92.90%，召回率达到100.00%；“关”的检测准确率达到91.84%，召回率达到98.81%。验证了改进YOLOv4算法在指示灯状态识别上的有效性与优越性。以上实验结果分析表明，改进YOLOv4算法可以对不同的背景、不同状态、不同大小和不同倾斜角度的旋钮、空开、压板、指示灯图像状态进行精准检测，准确识别出空开、压板、指示灯的“开”或“关”状态和旋钮的状态，充分显示了改进YOLOv4算法对旋钮、空开、压板、指示灯状态检测具有较好的鲁棒性和抗干扰性。1.6小结本章首先介绍了基于改进YOLOv4算法的旋钮状态识别，即定位到旋钮开关后，使用改进YOLOv4算法来对旋钮开关的子状态进行进一步判断。针对变电站旋钮状态多、训练样本少的问题，先利用旋转图片的方式增加不同状态的旋钮图片。对拥有8种旋钮状态的旋钮数据集进行数据增强，使用改进YOLOv4算法进行训练，进一步提高了识别精度。得到的旋钮状态识别模型“改进YOLOv4算法-C”检测准确率高达96.34%，召回率高达98.75%，F1-score得分为0.9753，能够对旋钮的状态进行准确的分类，符合实际应用的条件，实验结果可以为变电站巡检机器人识别旋钮状态提供理论基础。其次介绍了空开、压板和指示灯的识别：在设备识别时直接输出设备状态。并对识别结果进行了分析。使用改进YOLOv4算法训练得到的“改进YOLOv4算法-A”模型识别到的空开“开”的检测准确率达到89.25%，召回率达到100.00%，F1-score得分为0.9432；“关”的检测准确率达到90.00%，召回率达到99.15%，F1-score得分为0.9435。压板的“开”的检测准确率达到94.07%，召回率达到100.00%，F1-score得分为0.9694；“关”的检测准确率达到88.92%，召回率达到100.00%，F1-score得分为0.9413。指示灯“开”的检测准确率达到92.90%，召回率达到100.00%，