摘要
近年来,红外热成像检测在变电设备状态评价的应用越来越广泛,需处理的后期红外图谱数量逐步增多,耗费检测人员大量时间,且人工处理易遗漏含缺陷的设备图谱。该文以实例分割模型Yolact++为基础,采用目标检测和实例分割相结合的方法,在保证正确率的基础上,提高智能识别的实时性,并在上述基础上,进一步读取相应设备关键部位的温度,按照标准划分设备缺陷等级,为下一步无人机及机器人现场检测的实时红外图谱识别打下基础,节约检测人员图谱后期软件处理时间及精力,保证变电设备可靠。
出处
《海峡科学》
2022年第8期59-64,共6页
Straits Science
