典型文献
基于超分辨深度残差网络的玻璃绝缘子自爆故障检测算法
文献摘要:
针对航拍巡检时玻璃绝缘子自爆故障图像易受复杂背景干扰造成传统算法难以准确检测问题,提出一种基于超分辨深度残差网络的玻璃绝缘子故障检测算法.首先,通过超分辨率卷积神经网络减小原始图像中的噪声和模糊,实现数据集的优化和增强;然后,利用YOLOv4检测算法对经过超分辨处理后的图像进行检测并提取包含绝缘子的目标区域;最后,通过添加Dropout层和3层全连接层对resnet50网络结构进行优化,并通过迁移学习将预训练权重引入所设计的故障识别网络以进一步提升网络识别精度,从而构建出一种改进的resnet50玻璃绝缘子故障识别网络.为验证所提出算法的优势,利用某供电局近3年无人机巡检视频进行测试.实验结果表明:提出的方法可实现复杂环境下玻璃绝缘子故障的精确检测,检测精度可达94.3%,同时该算法具有较好的实时性.
文献关键词:
绝缘子故障检测;无人机巡检;超分辨;YOLOv4;卷积神经网络
中图分类号:
作者姓名:
郝帅;马瑞泽;赵新生;马旭;文虎;安倍逸
作者机构:
西安科技大学电气与控制工程学院,西安710054;西安科技大学安全科学与工程学院,西安710054
文献出处:
引用格式:
[1]郝帅;马瑞泽;赵新生;马旭;文虎;安倍逸-.基于超分辨深度残差网络的玻璃绝缘子自爆故障检测算法)[J].高电压技术,2022(05):1817-1825
A类:
B类:
深度残差网络,玻璃绝缘子,绝缘子自爆故障检测,检测算法,航拍,复杂背景,背景干扰,传统算法,检测问题,绝缘子故障检测,超分辨率,小原,原始图像,YOLOv4,目标区域,Dropout,全连接层,resnet50,迁移学习,预训练,重引入,故障识别,识别网络,识别精度,供电局,无人机巡检,检视,复杂环境,精确检测,检测精度
AB值:
0.272371
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。