基于Faster RCNN变电设备红外图像缺陷识别方法

论文摘要

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。

论文目录

• 0 引言
• 1 基于Faster RCNN的设备检测
•   1.1 变电设备红外图像数据集
•   1.2 Faster RCNN结构
•     1.2.1 特征提取网络
•     1.2.2 区域建议网络
•     1.2.3 检测网络
•   1.3 模型训练
• 2 温度阈值判别法
• 3 实验分析
• 4 结语

文章来源

类型: 期刊论文

作者: 李文璞,谢可,廖逍,李小宁,王皓

关键词: 红外图像,缺陷识别,变电设备,深度学习

来源: 南方电网技术 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,无线电电子学,计算机软件及计算机应用

单位: 国网信息通信产业集团有限公司

基金: 国家电网公司2018年科技项目(536800180005)~~

分类号: TM63;TP391.41;TN219

DOI: 10.13648/j.cnki.issn1674-0629.2019.12.012

页码: 79-84

总页数: 6

文件大小: 2967K

下载量: 418