基于Mask R-CNN的电力设备红外图像分割技术研究

• 作者: 吴克河 李渊博 王敏鉴
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 电力设备 红外图像 图像分割 迁移学习 MaskR-CNN 深度学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图像处理
• 页码范围: 417-422
• 页数: 6页
• 分类号: TP399
• 字数: 4533字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.02.029

摘要

电网由各种电力设备组成,任何一个设备发生故障都将影响电网的稳定运行,通过对反映温度的电力设备的红外图像分析可以提前预知故障,因此需要对采集图像进行设备分割,然而目前对红外图像的分割多依赖传统方法,其效率低且分割结果不精确.论文提出基于Mask R-CNN的电力设备红外图像分割方法,这种深度学习的图像分割方法可以提取电力设备复杂的、高维的特征,有利于电力设备的分割,并且针对训练样本较少的问题,引入了迁移学习的机制.实验结果表明:Mask R-CNN和迁移学习的结合可以有效地解决电力设备红外图像的分割问题,其智能化、高准确率、高效率的特点为电力设备故障的分析提供了有力的技术支撑,保障了电网的安全、可持续发展.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴克河	华北电力大学控制与计算机工程学院	47	410	12.0	19.0
2	李渊博	华北电力大学控制与计算机工程学院	2	0	0.0	0.0
3	王敏鉴	华北电力大学控制与计算机工程学院	2	0	0.0	0.0