期刊文章详细信息
文献类型:期刊文章
LUO Xiaoyu;ZHANG Zhi(Laibin Power Supply Bureau,Guangxi Power Grid Company Limited,Laibin 546100,China)
机构地区:[1]广西电网有限责任公司来宾供电局,广西来宾546100
年 份:2023
卷 号:41
期 号:5
起止页码:848-857
语 种:中文
收录情况:CAS、IC、JST、RCCSE、ZGKJHX、普通刊
摘 要:为减轻电力工作人员的巡检负担,实现变电站智能巡检,对变电站设备缺陷检测算法进行了研究。首先,利用数据增强方法对有限的初始数据集进行扩充,利用多种图像处理方法增加数据集的复杂度,生成考虑复杂光照环境的数据集;然后,采用自适应空间特征融合(ASFF:Adaptively Spatial Feature Fusion)的方法缓解特征金字塔中不同尺度特征的不一致性问题,并引入Focal损失函数作为置信度损失函数以缓解正负样本不平衡的问题,利用改进的YOLOX-s(You Only Look Once X-s)网络模型设计了变电站缺陷检测算法;最后,将改进的YOLOX-s网络模型与其他深度学习算法的检测效果进行对比,实验结果表明,改进的YOLOX-s网络模型的综合检测效果较好,准确性和实时性均可以满足变电站设备缺陷检测任务。
关 键 词:变电站 设备缺陷检测 数据增强 YOLOX网络
分 类 号:TM63]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...