文献类型：期刊文章

作　　者：臧国强[1,2] 刘晓莉[3] 徐颖菲[1,2] 陈雨露[4] 李文波[1]

ZANG Guoqiang;LIU Xiaoli;XU Yingfei;CHEN Yulu;LI Wenbo(Hefei Institute of Physical Science,Chinese Academy of Sciences,Hefei 230031;University of Science and Technology of China,Hefei 230026;State Grid Genhe Power Supply Company,Genhe,Inner Mongolia 022350;Institute of Physical Science and Information Technology,Anhui University,Hefei 230601)

机构地区：[1]中国科学院合肥物质科学研究院,合肥230031 [2]中国科学技术大学,合肥230026 [3]国网根河市供电公司,内蒙古根河022350 [4]安徽大学物质科学与信息技术研究院,合肥230601

出　　处：《电气技术》

基　　金：安徽省杰出青年基金(2108085J19);国家自然科学基金(41871302)。

年　　份：2022

卷　　号：23

期　　号：6

起止页码：1-7

语　　种：中文

收录情况：JST、普通刊

摘　　要：利用深度学习可以在电力设备缺陷识别中智能、高效、准确地识别出电力设备图像中的缺陷。本文阐述了缺陷识别的意义和背景,概括了主流的深度学习缺陷识别模型及其改进与优化,总结了当前市场的应用情况,分析了面临的挑战和难点。最后,从自动机器学习、样本数据库构建、电力知识图谱等方面分析深度学习在未来电力设备缺陷识别中的发展趋势。

关 键 词：深度学习  缺陷识别  电力设备 智能巡检

分 类 号：TP18] TM507]