期刊文献+
共找到18篇文章
< 1 >
每页显示 20 50 100
多模型融合的输电线路绝缘子自爆故障检测 被引量:16
1
作者 林志成 缪希仁 +1 位作者 江灏 陈静 《福州大学学报(自然科学版)》 CAS 北大核心 2020年第2期217-223,共7页
针对输电线路巡检图像中绝缘子自爆区域小、背景复杂与故障绝缘子类型复杂多样的特点,提出一种多模型融合计算的绝缘子自爆故障检测方法.通过分析现有绝缘子自爆故障检测算法差异性,选取检测性能差异较为明显的三个目标检测算法(Mask r... 针对输电线路巡检图像中绝缘子自爆区域小、背景复杂与故障绝缘子类型复杂多样的特点,提出一种多模型融合计算的绝缘子自爆故障检测方法.通过分析现有绝缘子自爆故障检测算法差异性,选取检测性能差异较为明显的三个目标检测算法(Mask rcnn、Retinanet、Yolov3),计算得到巡检图像中绝缘子自爆区域坐标及置信度.再利用多模型融合计算,融合各模型检测结果.最后实现架空输电线路无人机巡检图像中绝缘子自爆故障检测,得到绝缘子自爆故障检测综合评价值为94.81%.所提方法在平均准确率、召回率、准确率方面均高于单一模型检测结果.实验结果表明,本方法能有效实现架空输电线路无人机巡检图像中绝缘子自爆故障检测,对输电线路智能化巡检故障诊断具有一定参考价值. 展开更多
关键词 电力巡检 目标检测 多模型融合 绝缘子自爆 故障检测
下载PDF
基于Alexnet网络的绝缘子自爆无人机巡检技术研究 被引量:16
2
作者 李映国 杨宏 +2 位作者 徐郁 周杰 赵家乐 《智慧电力》 北大核心 2021年第8期104-109,共6页
绝缘子是输电系统中与安全相关的关键部件,绝缘子自爆问题的高效快速识别对电力系统的保护具有重要的意义。随着无人机(UAV)相关产业的不断发展,可以采用无人机技术对输电线路进行巡检拍摄。以此为背景提出了一种基于Alexnet网络的绝缘... 绝缘子是输电系统中与安全相关的关键部件,绝缘子自爆问题的高效快速识别对电力系统的保护具有重要的意义。随着无人机(UAV)相关产业的不断发展,可以采用无人机技术对输电线路进行巡检拍摄。以此为背景提出了一种基于Alexnet网络的绝缘子自爆无人机巡检技术。首先,应用无人机巡检这一先进技术得到绝缘子的清晰实时图片。然后,采用Alexnet网络对绝缘子自爆图片进行学习和识别。与传统的识别方法相比,Alexnet网络模型不但结构上有所加深,对卷积的功能也进行了强化,对无人机巡检过程中拍摄的复杂图像进行识别和检测有很好的效果。 展开更多
关键词 绝缘子自爆 Alexnet网络 无人机巡检 识别
下载PDF
融合深度学习的无人机巡检绝缘子自爆检测研究 被引量:9
3
作者 王万国 慕世友 +2 位作者 刘越 刘广秀 郎芬玲 《应用科学学报》 CAS CSCD 北大核心 2021年第2期222-231,共10页
绝缘子自爆检测是无人机电力输电线路巡检的一项重要内容,准确、快速、自动寻找绝缘子自爆区域,能大量节省无人机巡检图像数据处理工作量,提高巡检的精度和效率。本文针对目前绝缘子自爆区域检测存在样本少、目标小且精度不高的问题,提... 绝缘子自爆检测是无人机电力输电线路巡检的一项重要内容,准确、快速、自动寻找绝缘子自爆区域,能大量节省无人机巡检图像数据处理工作量,提高巡检的精度和效率。本文针对目前绝缘子自爆区域检测存在样本少、目标小且精度不高的问题,提出了一种融合深度学习的无人机巡检绝缘子自爆区域检测方法。该方法用大量绝缘子样本训练深度学习目标识别模型,在识别出绝缘子区域内利用计算机视觉方法对自爆区域进行检测。本文方法综合了深度学习检测复杂目标,以及计算机视觉无需大量样本且能够检测小目标的优点。实验表明:本文算法对缺陷的检测精度能够达到84.8%,对于绝缘子自爆检测具有积极的意义和应用价值。 展开更多
关键词 绝缘子 绝缘子自爆 深度学习 目标检测
下载PDF
基于深度学习的绝缘子自爆检测方法研究 被引量:8
4
作者 王义军 曹培培 +1 位作者 王雪松 闫星宇 《东北电力大学学报》 2020年第3期33-40,共8页
针对绝缘子自爆海量图片与人工检测效率不平衡不匹配的问题,文中提出了基于YOLOV3-tiny的绝缘子自爆自动检测方法.借鉴残差网络的跳跃连接思想,对YOLOV3-tiny模型的主干网络进行改进,提高模型特征学习能力;为了使模型更加适于绝缘子自... 针对绝缘子自爆海量图片与人工检测效率不平衡不匹配的问题,文中提出了基于YOLOV3-tiny的绝缘子自爆自动检测方法.借鉴残差网络的跳跃连接思想,对YOLOV3-tiny模型的主干网络进行改进,提高模型特征学习能力;为了使模型更加适于绝缘子自爆检测,对Anchor box参数进行调整.实验结果表明,改进后模型的检测精确率AP达到92.57%,检测速度FPS达到38 f/s,能够快速准确地从海量航拍图像识别绝缘子自爆故障,提高了绝缘子自爆检测的自动化程度. 展开更多
关键词 绝缘子自爆 YOLOV3-tiny 残差网络
下载PDF
运行中550 kN直流悬式绝缘子机电性能研究 被引量:4
5
作者 岳一石 龚政雄 +3 位作者 王峰 邹妍晖 席崇羽 卢明 《电瓷避雷器》 CAS 北大核心 2018年第6期132-137,共6页
随着550 kN直流悬式绝缘子在±800 kV特高压直流输电线路上的广泛应用,550 k N直流悬式绝缘子的运行性能直接影响特高压直流输电线路的安全稳定运行。根据湖南电网550 kN直流悬式绝缘子运行数据,结合湖南电网运行特点,对在运550 k ... 随着550 kN直流悬式绝缘子在±800 kV特高压直流输电线路上的广泛应用,550 k N直流悬式绝缘子的运行性能直接影响特高压直流输电线路的安全稳定运行。根据湖南电网550 kN直流悬式绝缘子运行数据,结合湖南电网运行特点,对在运550 k N直流悬式瓷绝缘子低零值、铁帽锈蚀、玻璃绝缘子零值自爆等缺陷进行了统计分析。同时对一批在运550 k N悬式绝缘子进行冲击击穿试验、机电(机械)破坏负荷试验、温度循环试验和残余机械强度试验,试验结果表明,部分厂家瓷绝缘子机械性能和电气性能有所下降,并对其原因进行了分析。建议加大对550 kN悬式绝缘子抽检试验力度,定期跟踪性能变化情况。 展开更多
关键词 550kN直流悬式绝缘子 绝缘子低零值 绝缘子自爆 铁帽锈蚀 绝缘子机电性能
原文传递
基于Faster R-CNN的绝缘子自爆故障识别
6
作者 吕泽卿 《北京信息科技大学学报(自然科学版)》 2023年第1期48-55,共8页
为使绝缘子自爆故障识别更具智能化,提出一种基于更快的区域卷积神经网络(faster region-based convolutional neural network, Faster R-CNN)的绝缘子自爆故障识别方法。由于实际绝缘子自爆故障占比小、检测难,提出了先识别绝缘子,然... 为使绝缘子自爆故障识别更具智能化,提出一种基于更快的区域卷积神经网络(faster region-based convolutional neural network, Faster R-CNN)的绝缘子自爆故障识别方法。由于实际绝缘子自爆故障占比小、检测难,提出了先识别绝缘子,然后将识别置信度大于0.8的绝缘子进行裁剪,最后在此基础上识别故障的思想。在绝缘子识别和绝缘子自爆识别两个阶段,分别用预训练好的ImageNet VGG16模型和VGG19模型进行特征提取,在损失函数、准确度、训练时间、置信度得分上分别进行实验对比,结果表明:在绝缘子识别网络中采用VGG19特征提取器、在绝缘子自爆识别网络中采用VGG16特征提取器效果最佳。 展开更多
关键词 深度学习 Faster R-CNN 绝缘子自爆 故障识别
下载PDF
基于注意力机制和特征融合的绝缘子缺陷检测
7
作者 方毅 蒋作 《现代电子技术》 2023年第15期49-54,共6页
绝缘子自爆缺陷检测是无人机巡检的重要内容。针对绝缘子缺陷区域场景复杂,形状尺寸不一,正负样本不均衡的问题,提出一种基于改进SSD的绝缘子自爆缺陷检测网络模型,用于绝缘子的缺陷检测。该模型引入一种CBAM空间通道注意力模块,提升了... 绝缘子自爆缺陷检测是无人机巡检的重要内容。针对绝缘子缺陷区域场景复杂,形状尺寸不一,正负样本不均衡的问题,提出一种基于改进SSD的绝缘子自爆缺陷检测网络模型,用于绝缘子的缺陷检测。该模型引入一种CBAM空间通道注意力模块,提升了特征提取网络的学习能力,然后通过重构FPN特征金字塔结构,使用特征融合的方法提取多尺度特征缺陷,提高网络的特征提取能力。该模型还使用Focal Loss损失函数,用来解决SSD模型正负样本不均衡问题。经过实验验证,相对于其他模型,提出的网络改进模型F1值更高,针对绝缘子缺陷检测识别效果良好,检测速度能够满足实用要求。 展开更多
关键词 改进SSD 绝缘子自爆 CBAM FPN Focal Loss 无人机巡检 注意力机制 特征融合
下载PDF
基于双模型的输电线绝缘子自爆检测算法 被引量:2
8
作者 林航 耿多飞 +2 位作者 于浩 胡丹 张可 《计算机与现代化》 2022年第7期15-20,共6页
针对输电线路无人机巡检图像中绝缘子自爆缺陷目标小而难以精准检测的问题,提出一种基于Faster R-CNN和改进的YOLO v3级联双模型的绝缘子自爆缺陷检测算法。首先,利用无人机巡检图像构建绝缘子串缺陷数据集,并对训练图像样本进行翻转预... 针对输电线路无人机巡检图像中绝缘子自爆缺陷目标小而难以精准检测的问题,提出一种基于Faster R-CNN和改进的YOLO v3级联双模型的绝缘子自爆缺陷检测算法。首先,利用无人机巡检图像构建绝缘子串缺陷数据集,并对训练图像样本进行翻转预处理,增加样本数量,提高模型泛化能力,避免过拟合;然后,利用Faster R-CNN检测图像中的绝缘子串,再将检测到的绝缘子串图像送入改进的YOLO v3网络进行自爆缺陷的定位。改进的YOLO v3网络是在YOLO v3基础上借鉴FPN的思想,增加特征提取层并进行特征融合,充分利用深层特征和浅层特征;同时采用CIoU Loss函数作为损失函数,以解决边界框宽高比尺度信息。实验结果表明,本文算法在所构建的绝缘子缺陷数据集上的检测准确率达到91.2%,相比Faster R-CNN或YOLO v3等单模型检测算法提升了3.31个百分点以上,能有效实现无人机巡检中绝缘子自爆缺陷的检测,为输电线路智能化巡检故障诊断提供方法支持。 展开更多
关键词 绝缘子自爆 目标检测 Faster R-CNN YOLO v3 CIoU Loss
下载PDF
基于MATLAB的绝缘子自爆缺陷检测系统
9
作者 王佳玉 刘立群 +2 位作者 黄明慧 刘育胜 杨锦烨 《电脑知识与技术》 2022年第1期6-9,共4页
针对绝缘子长期裸露在自然环境中致使浮尘等污渍在其表面附着堆积形成通路,导致绝缘子被两端电压击穿,以及在自然环境中由于雷电天气,使绝缘子损坏自爆,对输电线路存在极大隐患的问题,为及时发现输电线路中绝缘子自爆缺陷,采用无人机在... 针对绝缘子长期裸露在自然环境中致使浮尘等污渍在其表面附着堆积形成通路,导致绝缘子被两端电压击穿,以及在自然环境中由于雷电天气,使绝缘子损坏自爆,对输电线路存在极大隐患的问题,为及时发现输电线路中绝缘子自爆缺陷,采用无人机在输电线路巡检中所采集到的有关绝缘子串的图像,研究基于MATLAB图像处理的绝缘子自爆缺陷检测与判定方法,开发了基于MATLAB的绝缘子自爆检测系统。该系统对高压输电线路中的特殊绝缘体绝缘子串进行目标定位,通过图像处理技术将所采集的绝缘子串图像中的目标与自然环境分离。首先对所采集的图像进行预处理,然后将图像阈值化分割,得到有关图像。将高压输电线路与绝缘子分离。再将所得图像进行降噪,滤除图像中的相关杂质,得到最终的只有绝缘子串的图像。最后通过所得到的图像,判定绝缘子自爆缺陷位置。实验表明,通过MATLAB图像处理技术,可以获得清晰的绝缘子掩模图,并正确判定其自爆位置。 展开更多
关键词 绝缘子自爆 定位识别 图像采集 图像分割 图像识别
下载PDF
基于机器视觉算法的绝缘子缺陷检测与定位 被引量:1
10
作者 杨文超 郑健 +1 位作者 王雪 郝子尧 《通信电源技术》 2020年第16期84-85,89,共3页
高压输电线路中往往会出现绝缘子自爆的问题。为降低专业人士巡检的工作强度,提高工作效率,以“宜昌-上海”远程智能巡检系统为工程实例,使用Matlab软件和基于数字图像处理的机器视觉算法,最终达到了精确定位绝缘子缺陷部位的效果。
关键词 绝缘子自爆 MATLAB软件 图像处理 机器视觉
下载PDF
基于深度迁移学习的玻璃绝缘子自爆状态智能认知方法研究 被引量:22
11
作者 李帷韬 焦点 +3 位作者 张倩 韩慧慧 汤健 丁美双 《中国电机工程学报》 EI CSCD 北大核心 2020年第11期3710-3720,共11页
针对现有绝缘子自爆状态检测方法中开环模型泛化能力的不足和深层神经网络结构的缺陷,模仿人类认知模式,借鉴迁移学习和闭环控制思想,该文探索了一种基于深度迁移学习的玻璃绝缘子自爆状态智能认知方法。首先,面向预处理的绝缘子图像,... 针对现有绝缘子自爆状态检测方法中开环模型泛化能力的不足和深层神经网络结构的缺陷,模仿人类认知模式,借鉴迁移学习和闭环控制思想,该文探索了一种基于深度迁移学习的玻璃绝缘子自爆状态智能认知方法。首先,面向预处理的绝缘子图像,采用交错组卷积策略重构GoogLeNet网络的卷积层,降低卷积复杂度。其次,基于自适应卷积模块组构建绝缘子图像由整体到局部有确定映射关系的动态特征空间数据结构,采用可区分性测度指标评测特征空间的差异认知信息,增强简约特征空间的可解释性。再次,将简约全连接特征向量送给随机配置网络模式分类器,建立具有强泛化能力的绝缘子图像分类准则。最后,模仿人类认知模式,基于广义误差和熵理论,建立玻璃绝缘子图像不确定认知结果的熵形式目标优化函数评测指标,实时评测绝缘子自爆状态认知结果,构建动态迁移学习机制,实现自爆状态多层次差异化特征空间及其分类准则的自寻优调节和重构。实验结果表明了文中方法的可行性和有效性。 展开更多
关键词 绝缘子自爆状态 深度学习 反馈机制 智能检测 语义误差信息熵
下载PDF
轻量化特征融合的CenterNet输电线路绝缘子自爆缺陷检测
12
作者 苟军年 杜愫愫 +1 位作者 王世铎 张昕悦 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第7期2161-2171,共11页
输电线路智能化巡检是新一代电力系统建设的必然要求。当前,基于深度学习的检测模型由于参数量过大,使得利用无人机(UAV)进行边缘部署较困难。为使无人机可搭载轻量级模型实现输电线路中具有自爆缺陷绝缘子的识别,提出了一种轻量级Cente... 输电线路智能化巡检是新一代电力系统建设的必然要求。当前,基于深度学习的检测模型由于参数量过大,使得利用无人机(UAV)进行边缘部署较困难。为使无人机可搭载轻量级模型实现输电线路中具有自爆缺陷绝缘子的识别,提出了一种轻量级CenterNet-GhostNet的目标检测网络。对模型主干特征提取网络进行轻量化处理,利用计算成本较低的GhostNet提取自爆缺陷绝缘子的多层次特征,降低模型复杂度;引入增强感受野模块(RFB)增强特征表达能力,提升模型对小目标特征信息的注意力;构建特征融合模块,将低层特征信息和高层特征信息有效融合以输出更完整的特征图,提高缺陷识别精度。利用迁移学习参数共享,结合冻结与解冻训练相结合的模型训练策略,缓解网络因小样本数据集而产生的泛化能力不足问题。基于构建的输电线路自爆缺陷绝缘子数据集对所提方法进行验证,实验结果表明:相比原始CenterNet,所提方法的AP50、AP75和AP50:95分别提升至0.86、0.74和0.63,模型参数量由124.61×10^(6)减少至64.2×10^(6),可实现复杂环境下的自爆缺陷绝缘子检测,提高了基于无人机的输电线路巡检精度与速度。 展开更多
关键词 深度学习 绝缘子自爆缺陷 轻量级网络 CenterNet 小目标检测
下载PDF
基于ConvNeXt和注意力机制的绝缘子自爆故障检测方法 被引量:1
13
作者 查世康 黄陈蓉 《宁夏电力》 2023年第3期42-50,共9页
为了更加准确地识别和定位架空线路绝缘子的自爆故障,保障电力系统安全稳定运行,提出一种基于ConvNeXt和注意力机制的目标检测算法,可用于无人机、巡检机器人等设备拍摄的可见光图像中绝缘子自爆故障检测。首先,使用一种新型卷积神经网... 为了更加准确地识别和定位架空线路绝缘子的自爆故障,保障电力系统安全稳定运行,提出一种基于ConvNeXt和注意力机制的目标检测算法,可用于无人机、巡检机器人等设备拍摄的可见光图像中绝缘子自爆故障检测。首先,使用一种新型卷积神经网络ConvNeXt作为主干网络,使用1∶1∶1∶3的阶段模块数量比例,增强网络对抽象语义特征的提取能力;其次,使用跨阶段局部连接结构,减少网络参数量和计算复杂度,丰富网络梯度连接;最后,引入卷积注意力机制,增强网络对复杂背景中目标区域的感知能力。实验结果表明,改进后的绝缘子自爆故障检测模型的平均精度均值达到97.4%,相比基线YOLOv7提升了1.4%,能够有效实现绝缘子自爆缺陷的检测。 展开更多
关键词 绝缘子自爆故障 YOLOv7 ConvNeXt 跨阶段局部连接 卷积注意力机制
下载PDF
更换220kV输电线路耐杆双串自爆绝缘子新型工具 被引量:2
14
作者 洪行军 陈吟 +1 位作者 邵利平 陈俊毅 《中国高新科技》 2020年第4期29-30,共2页
输电架空线路长期暴露在户外,承受恶劣天气情况下的风压载荷、冰雪载荷、导线舞动,还承受着大气过电压(雷击),当玻璃绝缘子出现裂纹时就会发生自爆。目前,更换自爆绝缘子主要采用双钩整串收紧后更换和专用卡具对单片自爆绝缘子更换。双... 输电架空线路长期暴露在户外,承受恶劣天气情况下的风压载荷、冰雪载荷、导线舞动,还承受着大气过电压(雷击),当玻璃绝缘子出现裂纹时就会发生自爆。目前,更换自爆绝缘子主要采用双钩整串收紧后更换和专用卡具对单片自爆绝缘子更换。双钩更换所需工器具、配合人员多,自爆绝缘子脱离和被换绝缘子就位难,专用卡具需要针对特定的绝缘子型号,当绝缘子型号不明确就无法使用。通过本项目的工具研制,可实现单人操作,整体工器具轻便。具备突出的安全效益、工作效益和经济效益,应用前景广阔。 展开更多
关键词 架空耐张杆塔 钢化绝缘子自爆 更换自爆绝缘子工器具
下载PDF
面向图像的绝缘子自爆缺陷检测算法综述 被引量:3
15
作者 赵庆林 陈湘萍 《智能计算机与应用》 2022年第3期33-39,共7页
绝缘子自爆缺陷检测对于保障输电线路的安全具有十分重要的作用,准确快速检测算法能够帮助运维人员快速定位自爆缺陷绝缘子的位置,并及时更换。传统的人工检测方法已无法满足检测的要求,面向图像的绝缘子自爆缺陷检测算法在其检测的准... 绝缘子自爆缺陷检测对于保障输电线路的安全具有十分重要的作用,准确快速检测算法能够帮助运维人员快速定位自爆缺陷绝缘子的位置,并及时更换。传统的人工检测方法已无法满足检测的要求,面向图像的绝缘子自爆缺陷检测算法在其检测的准确性和快速性上仍面临着极大挑战,必须进一步对算法进行改进。本文首先介绍了绝缘子自爆缺陷图像的预处理过程,包括了图像分割的方法以及其具体的算法;其次,介绍了绝缘子自爆缺陷图像的特征提取算法、当前绝缘子自爆缺陷检测常用的分类器以及深度学习网络模型;最后,对绝缘子自爆缺陷检测算法进行了总结,并对其发展进行了展望。 展开更多
关键词 深度学习 绝缘子自爆缺陷 特征提取 分类
下载PDF
基于Faster R-CNN和U-net改进的混合模型绝缘子故障检测 被引量:2
16
作者 胡祥 李英娜 《电视技术》 2021年第5期125-130,共6页
在航拍影像中定位绝缘子爆裂的位置是一项艰巨的任务。针对绝缘子和绝缘子爆破位置在图像中占比过小、背景复杂以及拍摄图像角度和大小不一等问题,采用一种注意力机制与Faster R-CNN和U-net相结合的绝缘子识别模型,对某电力科学研究院... 在航拍影像中定位绝缘子爆裂的位置是一项艰巨的任务。针对绝缘子和绝缘子爆破位置在图像中占比过小、背景复杂以及拍摄图像角度和大小不一等问题,采用一种注意力机制与Faster R-CNN和U-net相结合的绝缘子识别模型,对某电力科学研究院提供的绝缘子航拍图像进行测试和对比试验,结果表明,该模型识别绝缘子的平均精度(Average Precision,AP)为92.1%,识别绝缘子爆裂故障的平均精度(AP)为91.9%。所提出的绝缘子自爆故障检测模型在绝缘子定位、爆裂位置判定等应用方面的效果优于部分经典方法。 展开更多
关键词 绝缘子自爆故障检测 注意力机制 Faster R-CNN U-net
下载PDF
基于无人机影像的电网绝缘子自爆识别
17
作者 刘力锋 《数字通信世界》 2022年第1期38-40,共3页
电网因其在电能传输方面的关键性作用,在我国民生项目建设领域一直扮演着至关重要的角色。电网杆塔上的绝缘子一旦发生自爆(也称“缺陷”),绝缘子会自动剥落,输电线路就会产生安全隐患,严重时会降低输电线路的运行寿命,甚至会引发供电中... 电网因其在电能传输方面的关键性作用,在我国民生项目建设领域一直扮演着至关重要的角色。电网杆塔上的绝缘子一旦发生自爆(也称“缺陷”),绝缘子会自动剥落,输电线路就会产生安全隐患,严重时会降低输电线路的运行寿命,甚至会引发供电中断,发生大范围的停电事故,造成巨大的财产损失。目前,主流的巡检方法为人工巡检,该方法不仅耗时耗力,而且也存在一定主观出错率,已不适用于目前电路巡检的实际情况。本设计采用YOLO V5网络模型,对无人机航拍影像中绝缘子串及绝缘子自爆进行自动识别。首先通过平移、翻转、裁剪等,对航拍绝缘子影像数据集进行数据增广,并对增广后的数据集在LabelImg中进行标注,然后利用YOLO V5网络模型对绝缘子串及绝缘子自爆进行识别,最后采用PyQt5框架在PyCharm中设计了绝缘子自爆识别的系统界面,对模型进行调用,实现了绝缘子串及绝缘子自爆识别。本设计采用从网络上下载、国家电网提供、数据增广所得到的500张无人机航拍影像作为数据集,对所得数据集进行人工标注,再使用YOLO V5网络模型进行训练和测试,结果表明YOLO V5网络模型对绝缘子串具有较高的识别精度,最高识别精度为90.2%,对绝缘子自爆的最高检测精度为80.8%。这说明了YOLO V5网络模型在绝缘子串识别方面有较好的表现,但是由于训练集中绝缘子自爆的样本影像数量有限,所以该网络模型对绝缘子的自爆识别存在一定局限性,本实验能够部分代替人力实现电网绝缘子智能巡检,提高了检测效率。 展开更多
关键词 绝缘子自爆识别 YOLO V5 无人机影像 目标检测 深度学习
下载PDF
基于YOLOv5和U-Net++改进的绝缘子自爆故障检测方法
18
作者 胡祥 李英娜 《陕西理工大学学报(自然科学版)》 2022年第3期22-29,共8页
利用深度学习模型分析研究在复杂背景下有关绝缘子自爆位置检测的相关问题。首先在YOLOv5特征提取网络结构中引入注意力机制,对特征图不同通道进行权衡,提取出含有绝缘子的矩形区域;然后用U-Net++模型获取故障位置,实现对绝缘子自爆位... 利用深度学习模型分析研究在复杂背景下有关绝缘子自爆位置检测的相关问题。首先在YOLOv5特征提取网络结构中引入注意力机制,对特征图不同通道进行权衡,提取出含有绝缘子的矩形区域;然后用U-Net++模型获取故障位置,实现对绝缘子自爆位置的检测。运用该模型对某电力科学研究院提供的绝缘子航拍图像进行测试和对比实验,结果表明,采用注意力机制改进的YOLOv5定位绝缘子识别平均精度为96.3%,采用优化的U-Net++模型分割绝缘子的Dice系数达0.93,提出的绝缘子自爆位置识别模型能够更准确地对绝缘子及其爆裂位置进行识别。研究结果对实现电力系统智能化运维具有一定的应用价值。 展开更多
关键词 深度学习 绝缘子自爆故障检测 YOLOv5 U-Net++
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部