规范透视场景的半监督目标检测及其在保护压板巡检上的应用
如何快速准确地对继电保护压板的异常状态进行识别,是变电站二次设备巡检工作中亟待解决的技术难题.基于深度学习的通用目标检测算法在向诸如继电保护屏压板检测等特殊化场景的迁移中,不能够充分利用保护屏场景中的规范透视先验特征;此外,人工标注大数据集的困难性一直以来都是通用检测模型迁移至特殊场景时的挑战.针对上述问题,提出了一种适用于保护压板规范化分布特征的半监督目标检测模型,该模型根据压板识别场景的特点对模型框架进行了一系列适应性改进.在模型的半监督训练阶段,使用一致性正则化方法生成伪标签,并基于保护屏压板图像特征,以边缘吸附和点阵行列拟合等方式,优化或剔除伪标签,从而突破了数据标注困难性带来的限制.改进后的模型达到平均精度均值为98.12%的应用级精度,并额外输出图像的逆透视变换参量.该模型被应用于便携式智能终端,辅助工作人员进行继电保护压板状态的巡检工作;模型输出的逆透视变换参量,也可为3D人机交互等下游视觉任务提供技术支撑.
继电保护压板、电力系统智慧化、半监督学习、目标检测算法、逆透视变换
43
TP391.41(计算技术、计算机技术)
2023-07-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
217-224