改进YOLO V3的集中器故障识别

• 作者: 张俊玮 张海永 张秋雁 王蓝苓 黎世华
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 卷积神经网络 集中器 故障检测 YOLO V3
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 基金项目
• 页码范围: 72-76
• 页数: 5页
• 分类号: TP274
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.10.013

摘要

计量设备运维人员技术水平和经验有限、运维记录不便统计分析等问题亟待解决.YO-LOV3算法在自然图像上的准确率和计算速度方面有着良好平衡,但在计量设备图像目标识别上表现较差,因此提出一种改进的YOLO V3检测算法,用于集中器设备故障检测.通过优化的an-chor box设计和可变形卷积改进YOLO V3算法,实现对现场设备运行状态的自动识别,提升集中器设备的运维效率和质量.实验结果表明,所提改进的YOLO V3算法在集中器图像上取得较好检测效果.