典型文献
深度学习在电力设备缺陷识别中的应用进展
文献摘要：
利用深度学习可以在电力设备缺陷识别中智能、高效、准确地识别出电力设备图像中的缺陷.本文阐述了缺陷识别的意义和背景,概括了主流的深度学习缺陷识别模型及其改进与优化,总结了当前市场的应用情况,分析了面临的挑战和难点.最后,从自动机器学习、样本数据库构建、电力知识图谱等方面分析深度学习在未来电力设备缺陷识别中的发展趋势.
文献关键词：
深度学习;缺陷识别;电力设备;智能巡检
中图分类号：
作者姓名：
臧国强;刘晓莉;徐颖菲;陈雨露;李文波
作者机构：
中国科学院合肥物质科学研究院,合肥 230031;中国科学技术大学,合肥 230026;国网根河市供电公司,内蒙古 根河 022350;安徽大学物质科学与信息技术研究院,合肥 230601
文献出处：
引用格式：
[1]臧国强;刘晓莉;徐颖菲;陈雨露;李文波-.深度学习在电力设备缺陷识别中的应用进展)[J].电气技术,2022(06):1-7
A类：
电力知识图谱
B类：
缺陷识别,电力设备图像,识别模型,改进与优化,自动机器学习,样本数据库,数据库构建,来电,智能巡检
AB值：
0.252878
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。
