典型文献
基于Mask-RCNN的牵引供电设备红外智能诊断
文献摘要：
牵引供电设备的状态诊断存在红外图像人工处理效率低下,智能化程度不高的问题,因此提出一种基于Inception-V3和Mask-RCNN的双层网络模型,通过Inception-V3网络实现电力设备类型识别,在此基础上,利用Mask-RCNN模型实现不同设备结构区域的自动划分,并根据划分的结构区域坐标提取不同区域的最高温度,构造温度特征量,依据设备类型调用不同的判据对设备状态进行自动诊断.试验结果表明,利用双层改进网络模型进行电力设备结构划分的整体mAP值可达0.907 2,进行设备故障诊断的效率比人工提高95.41％,模型精度高、识别效果好,无需依赖故障样本,提升了设备红外图像处理诊断的效率、降低了工作人员的劳动强度.
文献关键词：
牵引供电设备;深度学习;红外检测;故障诊断
中图分类号：
作者姓名：
林珊;邓树;谌小莉;王林;程宏波
作者机构：
广州地铁设计研究院股份有限公司,广东广州 510010;华东交通大学,电气与自动化工程学院,江西 南昌 330013
文献出处：
引用格式：
[1]林珊;邓树;谌小莉;王林;程宏波-.基于Mask-RCNN的牵引供电设备红外智能诊断)[J].机车电传动,2022(04):55-61
A类：
B类：
Mask,RCNN,牵引供电设备,外智,智能诊断,状态诊断,处理效率,Inception,V3,双层网络,电力设备,类型识别,模型实现,设备结构,坐标提取,最高温度,温度特征,特征量,调用,判据,设备状态,自动诊断,进网,mAP,设备故障诊断,效率比,比人,模型精度,红外图像处理,劳动强度,红外检测
AB值：
0.398521
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。
