典型文献
基于电力巡检的图像识别研究
文献摘要：
为解决图像识别技术在电力工作中应用不佳的问题,本文基于各类电力部件的图像识别方法,选用高质量图片识别分析,并给出发展建议.研究结果如下:①YOLO算法检测快、精度高,广泛应用于无人机智能巡检中;②理论研究的故障识别率超过90％,实际应用却不足50％,因为理论样本集质量高,且算法参数仅对理论样本集有效.实际工作中每天上传不同的样本,样本可能包含多种电力部件,且待测部件不明显,算法无法适应差异性大的样本集;③改善图片质量可有效提升图像识别效果,本文识别率达75％,但考虑电力安全,算法会矫枉过正,识别出很多不存在的缺陷.可基于当前激光点云建模的工作模式,辅以图像识别技术,综合利用激光、红外等数据,实现无人机自主巡线,通过精细化巡检提升图片质量.
文献关键词：
无人机;电力巡检;图像识别;深度学习;激光点云
中图分类号：
作者姓名：
司小庆;束庆霏
作者机构：
国网江苏省电力有限公司张家港供电公司,江苏张家港215600
文献出处：
引用格式：
[1]司小庆;束庆霏-.基于电力巡检的图像识别研究)[J].电力大数据,2022(10):37-44
A类：
B类：
电力巡检,图像识别技术,电力部,质量图,图片识别,识别分析,YOLO,机智,智能巡检,故障识别率,样本集,算法参数,天上,图片质量,电力安全,法会,矫枉过正,激光点云,云建模,以图,巡线
AB值：
0.340312
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。
