基于深度学习模型的电力设备红外目标检测与诊断方法
基本信息
| 申请号 | CN202210205071.X | 申请日 | - |
| 公开（公告）号 | CN114694049A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114694049A | 申请公布日 | 2022-07-01 |
| 分类号 | G06V20/20（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 郑含博;崔耀辉;李金恒;平原;胡均浩;胡思佳 | 申请（专利权）人 | 广西大学 |
| 代理机构 | 武汉维盾知识产权代理事务所（普通合伙） | 代理人 | - |
| 地址 | 530004广西壮族自治区南宁市大学东路100号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 一种基于深度学习模型的电力设备红外目标检测与诊断方法，依次通过获取权重数据、检测诊断和判断对应故障，改进CenterNet模型的骨干网络来提高复杂背景下对电力设备的红外特征提取能力，在提高特征学习能力的同时保持计算量不变，有助于电力系统的实时故障识别和诊断，在CenterNet模型的基础上，改进了骨干网络中模块和网络排列结构来控制主路径上的ReLU函数个数，有助于改善ReLU函数在训练初始阶段因负权重消失而造成的负面影响，通过改进骨干网络的部分模块与排列结构提高模型对复杂背景下的电力设备红外目标的识别率，从而进一步完成故障诊断，具有普适性和有效性，可以适用于红外图像，可见光图像与灰度图像等多种电力设备数据集，可以应用于无人机巡检，变电站自动巡检等多个场景，确保电力系统安全有效运行。 |
