标题：基于深度学习的变电站场景下违规行为检测算法
作者：李鑫卓 许逵 张历 张俊杰
作者单位：贵州电网有限责任公司电力科学研究院，贵州 贵阳 550001
关键字：违规行为；深度学习；变电站；智能监控；Swin Transformer
摘要：针对电网运行中人工巡检效率低下、成本高、易产生错误等问题，提出一种基于深度学习的变电站现场违规行为检测算法SEC-YOLO。该算法基于YOLOv7框架，在小目标检测层中引入Swin Transformer注意力机制，不仅扩大了模型的感受野，提升了小目标的识别精度。进一步，在特征融合部分引入显式视觉中心模块(EVCBlock)，从而增加模型对复杂场景的理解力，更加准确识别变电站场景下的违规行为。实验结果表明，该算法的mAP值和召回率指标分别提升了5.26%和3.77%，检测速度为28.8 fps，满足了更加精准的检测需求和实时性的要求。