文献类型：期刊文章

作　　者：刘云鹏[1] 裴少通[1] 武建华[2] 纪欣欣[1] 梁利辉[2]

LIU Yunpeng;PEI Shaotong;WU Jianhua;JI Xinxin;LIANG Lihui(School of Electrical Engineering,North China Electric Power University,Baoding,Hebei 071003,China;State Grid HebeiElectric Power Co.,Ltd.,Shijiazhuang 050000,China)

机构地区：[1]华北电力大学电气与电子工程学院,河北保定071003 [2]国家电网河北省电力有限公司检修分公司,石家庄050000

出　　处：《南方电网技术》

基　　金：国家自然科学基金资助项目(51577069,51277073)~~

年　　份：2019

卷　　号：13

期　　号：2

起止页码：27-33

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：随着红外热成像检测技术在变电站巡检机器人及输电线路无人机等检测平台的广泛应用,大量输变电设备红外异常发热故障的红外图片需要人工定期进行评估诊断,亟待需要智能算法对图片进行智能诊断。当前经典的机器学习算法难以有效识别输变电设备红外图像故障异常发热点。基于人工智能深度学习理论,本文采用了深度学习算法体系中基于区域建议网络的FasterRCNN算法实现对输变电红外图像发热故障的检测、识别及定位。本文以红外热成像仪采集到的输变电设备发热故障图像库为基础,对数据集进行人工标注包围框,通过交替训练构建网络共享参数,构建输变电设备异常发热红外智能检测模型。所描述的方法为输变电设备红外热成像智能检测提供了新思路。

关 键 词：深度学习  人工智能 红外热成像检测  输变电设备

分 类 号：TM71]