10.16660/j.cnki.1674-098X.2012-5640-6817
基于改进Faster R-CNN的变压器巡检图像数据挖掘研究
随着我国电网智能化、信息化的建设与发展,电网中的电力设备通过长期的运维、检修和试验,积累了大量的各种形式的电力数据.其中,相比于主要以数值形式存储的结构化数据而言,电力设备巡检图像等非结构化数据,具有更广泛的应用场景和更高的价值密度,但由于不能被计算机直接识别和处理,其挖掘过程也存在更多的难点.本文提出基于改进Faster R-CNN模型的电力设备图像目标检测方法.以主变压器的巡检图像为例,考虑了主变压器各个部件的尺寸差异较大以及部件位置之间存在关联性的特点,对Faster R-CNN模型的结构进行了改进,有效提高了主变压器多部件类别和位置识别的准确率,为识别不同部件的缺陷和故障现象奠定了基础.
巡检图像、变压器部件、改进Faster R-CNN模型、训练、检测
18
TM73(输配电工程、电力网及电力系统)
2021-08-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
133-136