激光与红外

作者：王琦

单位：1．中国电力科学研究院有限公司,湖北 武汉 430074；2．华北电力大学保定,河北 保定 071003；3．南昌工程学院,江西 南昌 330099；

关键词：红外图像;语义分割;UNet网络;PSPNet;CBAM

基金：江西省重大科技研发专项项目(No.20223AAE02004)资助。

电气设备精确分割是红外图像故障诊断的关键环节,针对主流的语义分割方法对复杂背景下红外图像电气设备分割容易丢失细节问题,提出一种复杂背景下电气设备红外图像精确分割方法。首先,以UNet网络为主体结构改进PSPNet,将UNet网络提取的最高层特征经过多尺度金字塔池化后进行解码；其次,在特征提取主干网络中对每层提取的特征加入卷积注意力机制(Convolutional Block Attention Mechanism,CBAM),从通道和空间2个维度获取图像上下文信息提升网络对电气设备的关注度以增强网络的抗干扰性；最后,构建PSPnet CBAM Unet网络,将CBAM注意力机制输出的特征图作为下层特征提取的输入和解码层跳跃连接特征。以复杂背景下电压互感器、电流互感器和断路器三类设备红外图像分割为例测试本文方法有效性,实验结果表明,本文方法对三类电气设备分割交并比和像素准确率均分别大于92和94,分割的准确性优于UNet,PSPNet,Deeplabv3+网络,对复杂背景下红外图像电气设备的细节分割更准确。

来源：2025年第3期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第3期