基于深度学习的液位仪表读数识别方法研究

变电站对高铁安全运行至关重要，为准确获取高铁变电站液位仪表的准确读数，基于YOLOX-S提出KN-YOLOX-S深度学习网络模型。在骨干网络中，引入Ghost卷积代替传统卷积层，降低网络的参数量和计算量，实现模型的轻量化；在SPPBotteneck模块中增加KNSE注意力模块，提高网络对空间信息的敏感度，增强有效特征信息的提取能力。实验表明，KN-YOLOX-S比YOLOX-S模型在mAP@0.50上提高0.4%,mAP@0.5:0.95提高0.54%,同时推理速度提高近2倍，满足高铁变电站液位表实时检测要求。