基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法
文档名：基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法
摘要：针对变电设备红外图像背景干扰大、热缺陷故障种类多、现有故障诊断方法效率低,难以满足实际巡检应用需求的问题,提出一种基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法.首先,构建典型变电设备红外图像数据集,采用卷积核分解及多层特征融合技术改进YOLOv4-Tiny算法,对发生故障的设备进行定位并获取该设备先验框;然后,提出融合密集连接的Res_DNet网络获取先验框内局部图像数据的多尺度特征,提高设备故障类型的分类准确度;最后,采用贝叶斯算法改进模型超参数,获取学习率、卷积核个数等的最佳组合,实现高效率及高准确度的故障识别与分类.研究结果表明:改进后的YOLOv4-Tiny算法相较于原算法准确率提升了5.3%,改进后的Res_DNet算法相比经典算法准确率提升了4.6%以上,能实现变电设备热缺陷状态高精度识别.
作者：郑文杰 杨祎 乔木 吕俊涛 张峰达 洪欣媛 Author：ZHENGWenjie YANGYi QIAOMu LYUJuntao ZHANGFengda HONGXinyuan
作者单位：国网山东省电力公司电力科学研究院,济南250003国网山东省电力公司,济南250001重庆大学输配电装备及系统安全与新技术国家重点实验室,重庆400044
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(17)
分类号：TM93
关键词：变电设备红外图像YOLOv4-Tiny算法Resnet故障诊断
Keywords：substationequipmentinfraredimageYOLOv4-TinyalgorithmResnetfaultdiagnosis
机标分类号：TP391.41TN915.07TP181
在线出版日期：2023年10月25日
基金项目：国网山东省电力公司科技项目，国家自然科学基金基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法[
期刊论文]重庆理工大学学报--2023, 37(17)郑文杰杨祎乔木吕俊涛张峰达洪欣媛针对变电设备红外图像背景干扰大、热缺陷故障种类多、现有故障诊断方法效率低,难以满足实际巡检应用需求的问题,提出一种基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法.首先,构建典型变电设备红外图像数据集,采用...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法Thermal defect identification and diagnosis method for substation equipment based on improved YOLO and resnet
基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法.pdf
页:
[1]