典型文献
面向电力巡检的轻量化目标检测与故障识别方法研究
文献摘要：
目前电力巡检的2个基本需求是硬件资源占用率低和实时检测速率高,然而现有技术仍面临计算成本与检测速率的挑战,因此基于YOLO系列目标检测算法,设计了可在轻量化平台上部署的网络模型PowerNet.PowerNet中设计了轻量化特征提取模块ShuffleCSP和特征图感知融合模块Fuse,取得了检测速率与精度的良好折中.最终的模型可达到76.8％的平均准确率,且参数量和浮点运算次数仅有5.5 M和12.8 G,在TESLA V10016 GB GPU和Intel i5-8400 CPU上的检测速度分别达到200～400 fps和2～5 fps,符合实时检测的要求.
文献关键词：
电力巡检;目标检测;故障识别;YOLOv4;深度学习
中图分类号：
作者姓名：
袁逸凡;周子纯;张铖;丁忠林;黄永明
作者机构：
东南大学信息科学与工程学院,江苏南京 211111;紫金山实验室,江苏南京 211111;国网电力科学研究院有限公司,江苏南京 211100
文献出处：
引用格式：
[1]袁逸凡;周子纯;张铖;丁忠林;黄永明-.面向电力巡检的轻量化目标检测与故障识别方法研究)[J].电力信息与通信技术,2022(08):29-37
A类：
PowerNet,ShuffleCSP,V10016
B类：
电力巡检,轻量化目标检测,故障识别方法,基本需求,硬件资源,资源占用率低,实时检测,检测速率,现有技术,计算成本,目标检测算法,中设计,轻量化特征提取,取模,特征图,图感,感知融合,Fuse,折中,平均准确率,参数量,浮点运算,TESLA,GPU,Intel,i5,CPU,检测速度,fps,YOLOv4
AB值：
0.4236
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。
