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：substationequipment  infraredimage  YOLOv4-Tinyalgorithm  Resnet  faultdiagnosis  
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

2024-12-14 11:48 上传 基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法.pdf

文件大小:

6.93 MB

下载次数:

60

高速下载