针对高压变电站断路器人工检测速度慢、误差大等问题，提出基于YOLOv4改进的变电站断路器分合状态识别方法；针对电力系统背景复杂、断路器分合状态不易识别的问题，加入通道注意力机制，关注目标的显著性特征，忽略非目标区域，然后使用路径聚合网络有效提取目标特征；针对数据样本单一性的问题，提出SE-YOLOv4算法，在其中加入数据增强技术，提高模型的泛化能力，使算法网络具有更强的鲁棒性。实验结果表明，该算法的精确率为97%，召回率为73.45%，F1为0.84，平均精确率为79.2%，相比原算法的平均精确率提高了2.6%，表明基于深度学习的检测方法可快速、高效地检测目标，避免人工检测出现的问题。
0 引言
如今对电力系统稳定运行的要求越来越高，因此具有保护和控制作用的断路器在系统中具有重要作用。断路器不仅需要保证电力系统的正常运行，而且要保证当电路发生故障时可及时切断电源，防止电力系统因故障而损坏［1-3］