-
题名基于全局与局部多尺度上下文的电表数据检测
- 1
-
-
作者
马天磊
符俊
马琪
杨震
刘新浩
-
机构
郑州大学电气与信息工程学院
-
出处
《应用光学》
CAS
北大核心
2024年第4期804-811,共8页
-
基金
国家自然科学基金(62373330)
河南省本科高校青年骨干教师培养计划(2023GGJS005)。
-
文摘
电力系统中配电箱的电表数据检测为电力管理和安全运行提供了重要的数据支持。传统的人工电表数据读取方法效率低下且易出错,而现有深度学习方法因模型参数量大限制了模型的应用。针对上述问题,提出了一种轻量化鲁棒的实时电表检测方法。通过减少特征提取网络的层数和通道数,减少模型的参数量,实现网络的轻量化。在减少网络参数量的同时,为了保证网络的特征表达能力和拟合能力,引入全局上下文和局部多尺度上下文丰富目标特征表达。全局上下文关注电表数据在电表箱中的位置,局部多尺度上下文适应不同尺寸的电表数据。实验结果表明,所提网络在参数量更小的情况下,仍能获得比其他检测方法更高的准确率和更快的检测速度。
-
关键词
电表数据检测
全局上下文
局部上下文
深度学习
注意力机制
-
Keywords
meter data detection
global context
local context
deep learning
attention mechanism
-
分类号
TN201
[电子电信—物理电子学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
