基于Faster RCNN的配网设备红外图像缺陷识别方法

• 作者: 党卫军 孙奇珍 薛艺为
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 配网设备 缺陷检测 深度学习 FasterRCNN 区域建议网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 研究与探讨
• 页码范围: 79-83,91
• 页数: 6页
• 分类号: TP391.41
• 字数: 4150字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.07.016

摘要

配网设备异常通常伴有发热现象,红外图像能够有效检测出发热设备,预防配网事故的发生.随着红外图像采集技术在配网巡检中的广泛应用,积攒了大量配网设备红外图像,传统机器学习方法对缺陷设备检测的准确率低、 泛化性差.为此,文中将深度学习技术应用于配网设备红外图像检测,提出了基于Faster RCNN的缺陷检测方法.该方法采用深度残差网络提取图像特征,针对配网设备形状特点优化区域提议网络,借助共享卷积层训练网络.通过对8类典型配网设备缺陷测试表明,该方法对缺陷设备红外图像具有较高的检测准确率,且具有良好的鲁棒性和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙奇珍		8	37	3.0	6.0
2	薛艺为		3	0	0.0	0.0
3	党卫军		3	2	1.0	1.0