典型文献
基于YOLO V4的机房异常巡检研究
文献摘要：
为实时检测电网系统中机房异常情况,避免产生安全隐患和财产损失,提出了一种基于深度学习目标检测理论的机房异常巡检模型.该方法以CSPDarkNet-53卷积模型作为骨干网络,在数据预处理环节引入多种数据增强手段弥补数据数量不足的局限性,防止产生过拟合现象.以电网系统某机房为对象进行实验.实验结果表明,该方法能有效地检测到机房中常见的异常状况,检测精度符合实际场景需求.
文献关键词：
异常情况;YOLO V4;CSPDarkNet-53;骨干网络;数据增强
中图分类号：
作者姓名：
曾路;汪浩;孙骏
作者机构：
贵州电网有限责任公司,贵州 贵阳550002
文献出处：
引用格式：
[1]曾路;汪浩;孙骏-.基于YOLO V4的机房异常巡检研究)[J].电力大数据,2022(06):56-61
A类：
异常巡检
B类：
YOLO,V4,机房,实时检测,电网系统,异常情况,财产损失,学习目标,目标检测,检测理论,CSPDarkNet,骨干网络,数据预处理,处理环节,数据增强,强手,补数,过拟合,房中,检测精度,符合实际
AB值：
0.393887
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。
