典型文献
基于SE-YOLOV4的变电站断路器分合状态识别算法
文献摘要：
针对高压变电站断路器人工检测速度慢、误差大等问题,提出基于YOLOv4改进的变电站断路器分合状态识别方法;针对电力系统背景复杂、断路器分合状态不易识别的问题,加入通道注意力机制,关注目标的显著性特征,忽略非目标区域,然后使用路径聚合网络有效提取目标特征;针对数据样本单一性的问题,提出SE-YOLOv4算法,在其中加入数据增强技术,提高模型的泛化能力,使算法网络具有更强的鲁棒性.实验结果表明,该算法的精确率为97％,召回率为73.45％,F1为0.84,平均精确率为79.2％,相比原算法的平均精确率提高了2.6％,表明基于深度学习的检测方法可快速、高效地检测目标,避免人工检测出现的问题.
文献关键词：
断路器;深度学习;注意力机制;路径聚合网络
中图分类号：
作者姓名：
刘超;韩懈
作者机构：
江苏大学电气信息工程学院,江苏镇江212013
文献出处：
引用格式：
[1]刘超;韩懈-.基于SE-YOLOV4的变电站断路器分合状态识别算法)[J].软件导刊,2022(09):40-44
A类：
B类：
SE,YOLOV4,断路器,分合,状态识别,识别算法,高压变电站,检测速度,速度慢,YOLOv4,电力系统,通道注意力机制,注目,显著性特征,目标区域,使用路径,路径聚合网络,有效提取,目标特征,单一性,数据增强技术,泛化能力,法网,精确率,召回率
AB值：
0.335295
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。
