电力检测基于深度学习的输出电设备缺陷自动识别方法.docxVIP

[全]电力检测-基于深度学习的输出电设备缺陷自动识别方法 电力系统有别于其他行业，维护不能随意中断生产，这会在事故发生之前做好充分的预测一在事故发生之前解决故障，重点是输电线路的预防性巡检工作。担负高电压大电流的长期工作，随着全球危险的辐射气象天候频发，对电网安全运行形成越来越大的影响。 随着伴随着天空平原的不断提高，各地巡检被越来越多的采用。每一次巡视任务完成后产生大量的巡检图片。方式，大都是基于人工判?读的方式来完成目标的确定和缺陷的分类，人工判读方式读入劳动强度大、工作效率低。细节因素的影响，往往会漏判或错误判别很多缺陷。以上两方面的功能不能存在的巡检方式，随心所欲的诊断电子设备的缺陷，而且还带有巡检效果，从而导致线路状态状态欠缺。位，这些都带着输电线路巡检工作效果大打折扣，给输电线路安全隐患工。 问题拆分 首先采用F-Rcnn算法自动从远程巡检照片中识别出需要检测的输运设备，然后将输电设备送入针对该设备的缺陷分类，判断该设备是否具有缺陷以及缺陷类型。若有缺陷，则在图片中进行缺陷设备自动定位位置以及缺陷类型，最终生成缺陷报告，给潜在人员提供缺陷信息。本发明的分析过程具有准确率高、处理速度快、好等优点，实现了输电线路巡检照片的自动分析，无需人工参与。 问题解决 首先使用多目标识别算法从无人机巡检照片或视频中识别出目标设备，然后使用 深度学习分类器对目标设备的是否有缺陷以及缺陷类