典型文献
基于YOLOv4的绝缘子爆裂故障识别研究
文献摘要：
提出了一种基于YOLOv4目标检测方法的绝缘子爆裂故障智能识别模型,以某供电局一年内正常绝缘子及爆裂绝缘子图像为样本,对故障识别模型进行训练,得出识别模型的权重.采用该模型对绝缘子及其爆裂故障进行识别测试,结果表明,该模型识别绝缘子的平均精度(AP)为92.6％,识别绝缘子爆裂故障的平均精度(AP)为91.78％,模型每秒处理帧数(FPS)为46 frame/s,与Faster R-CNN、SSD模型比较可得,提出的绝缘子爆裂故障识别模型能够准确、快速地对绝缘及其爆裂故障进行识别.
文献关键词：
机器视觉;深度学习;YOLOv4;绝缘子爆裂故障;智能识别
中图分类号：
作者姓名：
高健宸;张家洪;李英娜;李川
作者机构：
昆明理工大学信息工程与自动化学院,云南昆明650000
文献出处：
引用格式：
[1]高健宸;张家洪;李英娜;李川-.基于YOLOv4的绝缘子爆裂故障识别研究)[J].激光与光电子学进展,2022(02):122-129
A类：
绝缘子爆裂故障
B类：
YOLOv4,故障识别,目标检测方法,智能识别,识别模型,供电局,绝缘子图像,模型识别,AP,每秒,FPS,frame,Faster,SSD,模型比较,机器视觉
AB值：
0.21958
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。
