基于Faster RCNN变电设备红外图像缺陷识别方法

• 作者: 廖逍 李小宁 李文璞 王皓 谢可
• 来源期刊: 南方电网技术
• 学科: 工学
• 关键词: 红外图像 缺陷识别 变电设备 Faster RCNN 深度学习
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 高电压技术
• 页码范围: 79-84
• 页数: 6页
• 分类号: TP391.41
• 字数: 3414字
• 语种: 中文
• DOI: 10.13648/j.cnki.issn1674-0629.2019.12.012

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢可		4	2	1.0	1.0
2	廖逍		7	6	2.0	2.0
3	李文璞		1	0	0.0	0.0
4	李小宁		1	0	0.0	0.0
5	王皓		1	0	0.0	0.0