2302023ＲadioEngineeringVol.53No.1doi:10．3969/j．issn．1003－3106．2023．01．029引用格式:陈思林，秦伦明，王悉，等．基于VSA-UNet的电气设备紫外图像分割［J］．无线电工程，2023，53(1):230－238．［CHENSilin，QINLunming，WANGXi，etal．UltravioletImageSegmentationofElectricalEquipmentBasedonVSA-UNet［J］．ＲadioEngineering，2023，53(1):230－238．］基于VSA-UNet的电气设备紫外图像分割陈思林1，秦伦明1*，王悉2，杨苏航1，左安全1(1．上海电力大学电子信息工程学院，上海201306;2．北京交通大学电子信息工程学院，北京100044)摘要:提高电气设备紫外图像分割精确度对设备放电程度的准确评估具有重要意义。由于存在噪声干扰与紫外光斑形状、大小不规则等问题，目标分割区域存在过分割和欠分割现象，因此提出一种基于多模块的VSA-UNet(VGG16Net，ImprovedSENet，andASPPbasedU-Net)分割网络。为强化网络特征提取能力，减少过分割现象，使用VGG16Net的卷积层代替U-Net网络的编码部分;将编码部分末端卷积层替换成空洞空间金字塔池化(AtrousSpatialPyramidPooling，ASPP)模块，获取紫外图像的多尺度信息，解决大区域的欠分割问题;在跳跃连接部分加入改进SENet模块，加强有用信息的提取，补充细节损失，提升整体网络性能。基于自建紫外图像数据集的实验表明，改进网络在分割紫外图像时平均交并比(MeanIntersectionoverUnion，MIoU)达到81.78%，平均精确率为95.97%。与U-Net网络相比，提出的VSA-UNet模型明显提升了紫外图像分割的准确性。关键词:语义分割;紫外图像;U-Net;注意力机制;空洞空间金字塔池化中图分类号:TP391文献标志码:A开放科学(资源服务)标识码(OSID):文章编号:1003－3106(2023)01－0230－09UltravioletImageSegmentationofElectricalEquipmentBasedonVSA-UNetCHENSilin1，QINLunming1*，WANGXi2，YANGSuhang1，ZUOAnquan1(1．CollegeofElectronicsandInformationEngineering，ShanghaiUniversityofElectricPower，Shanghai201306，China;2．SchoolofElectronicandInformationEngineering，BeijingJiaotongUniversity，Beijing100044，China)Abstract:Improvingtheaccuracyofultravioletimagesegmentationofelectricalequipmentisofgreatsignificancetotheaccurateevaluationofthedischargedegreeoftheequipment．Duetotheproblemsofnoiseinterferenceandirregularshapeandsizeofultravioletlightspots，thetargetsegme...
