10.13648/j.cnki.issn1674-0629.2019.12.012
基于Faster RCNN变电设备红外图像缺陷识别方法
变电设备红外检测能够及时有效的发现设备过热缺陷,预防设备故障的发生.传统人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,而目前红外图像缺陷识别大都基于传统机器学习算法,识别准确率低、泛化能力差,因此本文提出了基于深度学习的变电设备红外缺陷识别方法.首先基于Faster RCNN算法对变压器、套管、断路器等七种变电设备进行目标检测,实现设备的精准定位、识别,然后基于温度阈值判别法对设备区域进行缺陷识别.使用现场采集红外图像进行测试,七种设备检测平均精度均值达到90.61%,缺陷识别准确率达到81.33%,实验结果表明本文方法的有效性和准确性.
红外图像、缺陷识别、变电设备、Faster RCNN、深度学习
13
TP391.41(计算技术、计算机技术)
国家电网公司2018年科技项目536800180005
2020-04-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
79-84