典型文献
基于深度学习的耐张线夹压接缺陷X射线影像智能识别
文献摘要：
输电线路中耐张线夹压接质量影响着电网运行安全,目前对耐张线夹压接质量检测方法主要是拍摄X射线图像并进行人工识别.但由于耐张线夹X射线图像存在缺陷部位尺寸小且排列紧密等特点,人工方法显得耗时费力且准确率不高.针对上述问题,提出一种基于深度学习的耐张线夹压接缺陷X射线图像检测系统.采用分级检测原则,首先利用CenterNet算法定位存在缺陷的压接部位并切割出压接部位,增大压接缺陷在图像中的占比,其次利用数据增强扩充数据集,最后利用RetinaNet算法检测压接缺陷.经验证,该分级检测策略与采用传统检测算法相比,在准确率和检测速度上都有一定程度提升,可满足实际工程中应用要求.
文献关键词：
深度学习;耐张线夹;缺陷检测;X射线图像
中图分类号：
作者姓名：
李鹏吾;刘荣海;周静波;赵腾飞
作者机构：
云南电网有限责任公司电力科学研究院, 昆明650217;华北电力大学机械工程学院, 河北 保定071003
文献出处：
引用格式：
[1]李鹏吾;刘荣海;周静波;赵腾飞-.基于深度学习的耐张线夹压接缺陷X射线影像智能识别)[J].南方电网技术,2022(03):126-133
A类：
B类：
耐张线夹,智能识别,输电线路,压接质量,质量影响,电网运行,运行安全,质量检测方法,人工识别,存在缺陷,法显,费力,图像检测系统,CenterNet,割出,数据增强,充数,RetinaNet,检测策略,检测算法,检测速度,应用要求,缺陷检测
AB值：
0.316738
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
