基于YOLO V5模型的水电站智能巡检系统设计

摘要：

及早发现水电站设备漏油、漏水、漏气、放电等异常并及时采取修复措施,是实现水电站安全运行的重要保障.本文基于计算机视觉和深度学习技术,设计了一种基于YOLO V5模型的水电站智能巡检系统,利用YOLO V5模型在图像识别的性能优势,训练后的模型经验证,对于跑冒滴漏的异常识别准确率可达到98％以上,能够满足水电厂安全监控的要求,具有较大推广应用价值.

关键词：设备异常、水电站智能巡检、计算机视觉、深度学习、安全监控

所属期刊栏目：9

分类号：TV737(水能利用、水电站工程)

在线出版日期：2023-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：78-84