典型文献
基于深度学习的变电设备红外热像识别
文献摘要：
在变电设备状态监测与故障诊断中,可自动识别变电设备的红外热像识别技术是关键技术之一.为解决目前在变电设备的红外热像识别中存在的背景温度过度集中、对比度低、缺乏智能方法等问题,提出了一种使用RetinexNet算法对图像进行增强的方法,为红外热像的精准识别创造条件;使用YOLOX-Darknet53算法对增强后的图像进行目标检测.在试验中,使用该方法对红外热像进行识别,不仅每张图像的识别时长可以达到6.88 ms,且8种变电设备识别的平均精确率可以达到96.51％.实验数据验证了,所提方法的高效性和精准度,可以满足监测变电设备状态的需求.
文献关键词：
变电站;红外热像识别;YOLOX-Darknet53;变电设备;RetinexNet;图像增强
中图分类号：
作者姓名：
曹恩宇;王旭红
作者机构：
长沙理工大学 电气与信息工程学院,长沙 410114
文献出处：
引用格式：
[1]曹恩宇;王旭红-.基于深度学习的变电设备红外热像识别)[J].电力学报,2022(03):263-271
A类：
红外热像识别
B类：
变电设备,设备状态监测,自动识别,解决目前,对比度,智能方法,RetinexNet,精准识别,创造条件,YOLOX,Darknet53,目标检测,每张,ms,设备识别,精确率,数据验证,变电站,图像增强
AB值：
0.227736
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。
