| 摘要: |
| 为能实现对电厂水淹或设备漏水等现象快速、准确地检测与识别，通过利用区域上下文信息补充特征信息，采用改进的多尺度检测部分融合浅层的位置信息，提出了一种基于改进YOLOv5的水淹电厂图像检测算法；此外，针对水淹电厂现象构建一个电厂设备的水渍渗漏数据集并使用了数据增强策略；经实验测试表明，算法在检测效果上提升明显，相比于基于原始YOLOv5算法的水淹电厂模型的平均精度均值mAP提升了5.24%，满足了工程实际需求，具有较高的实用性。 |
| 关键词: 水淹电厂 目标检测 深度学习 ＹＯＬＯｖ５ 算法 |
| DOI：10.3969/j.issn.1005-9490.2024.01.037 |
|
| 基金项目:2022年工信部人工智能揭榜挂帅 |
|
|
|
| () |
| Abstract: |
|
| Key words: |
