作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文研究了在电力设备巡检系统中AR技术的应用,基于其应用提出了有效的识别电力设备故障的方法,该方法是以深度神经网络算法和AR技术为基础所提出的,通过仿真测试,结果表明本文提出的方法可以将电力设备故障出现的类型准确的判断出来。
推荐文章
基于图像分析的电力设备故障检测技术研究
红外图像
电力设备
热故障
拉普拉斯锐化算法
基于红外图像分析的电力设备热故障检测技术研究
输变电设备
在线监测
状态诊断
热故障检测
基于故障数据的电力设备最小停机时间更换模型
最小停机时间
故障数据
极大似然估计
更换模型
电力设备局部放电定位技术评述
电力设备
局部放电
特高频
超声波
相控阵
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于增强现实技术的电力设备故障识别方法研究
来源期刊 电子技术与软件工程 学科 工学
关键词 增强现实 故障识别 智能巡检
年,卷(期) 2020,(24) 所属期刊栏目
研究方向 页码范围 237-238
页数 2页 分类号 TM7
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
增强现实
故障识别
智能巡检
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子技术与软件工程
半月刊
2095-5650
10-1108/TP
16开
北京市海淀区玉渊潭南路惠普南里13号楼
2012
chi
出版文献量(篇)
36183
总下载数(次)
321
总被引数(次)
56308
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导