基于机器学习的电力设备故障红外智能诊断方法

摘要：

针对电力设备红外检测诊断方法落后、效率低等问题,采用双层网络进行设备类型识别和结构区域划分,从而实现快速有效的诊断.首先利用R-FCN建立电力设备识别模型,利用Mask RCNN实现电力设备区域结构的识别结果自动分割,根据划分结构自动提取不同区域的最高温度,依据识别设备类型调用不同判据自动诊断设备状态.搭建红外智能诊断平台进行实验,结果表明:该方法识别准确率高、状态判断结果可靠,无需大量的故障样本,可为电力设备故障的红外智能诊断提供一种快速有效的处理方法.

关键词：电力设备、红外检测、深度学习、智能诊断

所属期刊栏目：41

分类号：TP206+.3(自动化技术及设备)

资助基金：国家自然科学基金;江西省重点研发计划项目;江西省杰出青年人才培养项目

在线出版日期：2023-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：121-126