文献类型：期刊文章

作　　者：李文璞[1] 谢可[1] 廖逍[1] 李小宁[1] 王皓[1]

LI Wenpu;XIE Ke;LIAO Xiao;LI Xiaoning;WANG Hao(State Grid Information&Telecommunication Group Co.,Ltd.,Beijing 102211,China)

机构地区：[1]国网信息通信产业集团有限公司

出　　处：《南方电网技术》

基　　金：国家电网公司2018年科技项目(536800180005)~~

年　　份：2019

卷　　号：13

期　　号：12

起止页码：79-84

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：变电设备红外检测能够及时有效的发现设备过热缺陷,预防设备故障的发生。传统人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,而目前红外图像缺陷识别大都基于传统机器学习算法,识别准确率低、泛化能力差,因此本文提出了基于深度学习的变电设备红外缺陷识别方法。首先基于Faster RCNN算法对变压器、套管、断路器等七种变电设备进行目标检测,实现设备的精准定位、识别,然后基于温度阈值判别法对设备区域进行缺陷识别。使用现场采集红外图像进行测试,七种设备检测平均精度均值达到90. 61%,缺陷识别准确率达到81. 33%,实验结果表明本文方法的有效性和准确性。

关 键 词：红外图像 缺陷识别  变电设备 Faster RCNN  深度学习  

分 类 号：TP391.41]