10.3969/j.issn.1004-7018.2023.10.012
基于深度学习的变电站巡检机器人自动抄表研究
为提高变电站巡检机器人自动抄表识别的精度,提出一种深度学习的自动抄表识别方法.以YOLOX网络作为基础框架,在网络通道层和空间层添加卷积注意力模块,同时采用Focal-Loss函数替代BCE-Loss函数,以提高网络的训练速度和识别精度.结果表明,相较于标准的 YOLOX 网络、SSD 算法和 DenseBox 算法,改进的YOLOX网络在Pavg、P和R指标上表现具有明显优势,分别达 91.44%,96.36%和 98.89%;将改进的YOLOX网络用于变电站巡检机器人自动抄表识别中,实现了智能电表数据的准确识别,且识别的 Pavg 值达 90.23%,P 值达93.56%,R值达到 98.12%.变电站巡检机器人的识别方法可用于自动抄表中,且具有一定的工程应用价值.
变电站、巡检机器人、智能电表识别、识别精度、YOLOX网络
51
TP399(计算技术、计算机技术)
2023-11-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
58-62,67