期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进YOLOv5的电力设备检测算法 被引量：9
1
作者 郑婷婷 周浩 王秋忆 《电子测量技术》 北大核心 2023年第4期155-160,共6页
针对电力设备背景复杂、小目标密集等特点导致无人机智能电力巡检精度低、效果不佳等问题,提出了一种改进YOLOv5的目标检测算法。首先在原模型上增加一层检测层,重新获取锚点框以便能更好地学习密集小目标的多级特征,提高模型应对复杂... 针对电力设备背景复杂、小目标密集等特点导致无人机智能电力巡检精度低、效果不佳等问题,提出了一种改进YOLOv5的目标检测算法。首先在原模型上增加一层检测层,重新获取锚点框以便能更好地学习密集小目标的多级特征,提高模型应对复杂电力场景的能力;其次对模型的特征融合模块PANet结构进行改进,通过跳跃连接的方式融合不同尺度的特征,增强信息的传播与重用;最后结合协同注意力模块设计主干网络,以聚焦目标特征,增强复杂背景中密集目标区域的显著度。实验结果表明:所提算法的平均精度均值(IoU=0.5)达到97.1%,比原网络检测性能提升了5.6%,有效改善了复杂背景下小目标的错测、漏检现象。 展开更多
关键词 YOLOv5算法 电力设备检测 注意力机制 多尺度检测 特征融合
在线阅读 下载PDF
电力设备检测实验室专用微电网接入结构设计及功率控制方法 被引量：2
2
作者 程富勇 邓鹤鸣 +3 位作者 陈禹帆 王洪林 何晋伟 孙海顺 《高电压技术》 EI CAS CSCD 北大核心 2017年第10期3427-3434,共8页
针对传统微电网无法满足电能高质量领域的电源需求,以电力设备检测实验室的测试电源为研究案例,提出了串联型分布式电源单元(DG)的接入结构,同时为了减少功率分配误差并提高电压的稳定性,提出了功率因数/频率反下垂控制方法。研究结果表... 针对传统微电网无法满足电能高质量领域的电源需求,以电力设备检测实验室的测试电源为研究案例,提出了串联型分布式电源单元(DG)的接入结构,同时为了减少功率分配误差并提高电压的稳定性,提出了功率因数/频率反下垂控制方法。研究结果表明:采用串联型的微电网接入结构以及反下垂控制方法,可以实现DG单元的有功和无功功率均分,减少功率分配误差,从而实现DG单元的电压波形同步,解决了DG单元电压相角不同造成的功率不匹配问题,同时提高了公共连接点(PCC)的电压幅值,保证了电源电压的稳定运行。通过研究发现,采用这种微电网接入结构以及功率控制方法可以为微电网系统提供精准功率控制、电压稳定的电源,该电源可以满足电力设备检测实验室的测试要求。 展开更多
关键词 电力设备检测实验室 串联型微网 反下垂控制 功率分配 电压幅值 功率因数控制
在线阅读 下载PDF
基于 Mask⁃RCNN迁移学习的红外图像电力设备检测 被引量：30
3
作者 刘子全 付慧 +3 位作者 李玉杰 张国江 胡成博 张照辉 《数据采集与处理》 CSCD 北大核心 2021年第1期176-183,共8页
红外图像诊断是电力系统故障诊断的重要方式,但目前仍依靠人工辅助框图来实施图像中目标的检测。为提升检测效率,本文借鉴并改进在目标分割任务中表现优异的Mask⁃RCNN方法,利用图像自动语义分割识别红外图像中的一个或多个电力设备,并... 红外图像诊断是电力系统故障诊断的重要方式,但目前仍依靠人工辅助框图来实施图像中目标的检测。为提升检测效率,本文借鉴并改进在目标分割任务中表现优异的Mask⁃RCNN方法,利用图像自动语义分割识别红外图像中的一个或多个电力设备,并提取设备轮廓。为了缓解标注样本相对不足的问题,研究Mask⁃RCNN的迁移学习机制,设计并实现了训练数据重要性采样、参数迁移映射等方法,使改进后的方法适应于红外图像电力设备检测任务。在实际采集数据集上的实验表明,改进后的算法能在仅有少量像素级标注样本的条件下,较好地提取出电力设备的轮廓,并进一步识别出设备类别。所提模型和算法为进一步的设备分区和故障区域检测提供了精确有效的预处理手段。 展开更多
关键词 红外图像 电力设备检测 卷积神经网络 图像分割 迁移学习
在线阅读 下载PDF
改进YOLOv7的电力设备红外图像多目标检测 被引量：1
4
作者 杨达伟 杨明圣 付博 《红外技术》 北大核心 2025年第3期326-334,共9页
针对变电站红外图像中目标数量多、外观相似、背景与目标颜色相近时容易出现漏检误检等问题,提出了一种改进YOLOv7的电力设备红外图像多目标检测方法。首先,为了更好地保留红外图像中的浅层信息,在SPPCSPC模块中引入空洞卷积与均值池化... 针对变电站红外图像中目标数量多、外观相似、背景与目标颜色相近时容易出现漏检误检等问题,提出了一种改进YOLOv7的电力设备红外图像多目标检测方法。首先,为了更好地保留红外图像中的浅层信息,在SPPCSPC模块中引入空洞卷积与均值池化以扩大感受野的同时防止红外小目标淹没在背景中;其次,针对多目标检测中的误检漏检等问题,在头部网络中引入了轻量型SimAM注意力机制以重点关注感兴趣区域。最后,选择一个更适用于小目标检测的NWDloss损失与CIOU损失相结合的混合边框回归损失函数,它可以有效提高红外图像中不同尺度目标检测的准确性。我们在自建电力设备红外图像数据集上与其他7种具有代表性的检测方法进行了对比实验。实验结果表明,改进后的YOLO v7网络模型漏检误检等情况得到明显改善,m AP达到88.9%,相比其他有代表性的目标检测算法在电力设备红外多目标检测上的效果有明显提升。 展开更多
关键词 电力设备检测 YOLOv7 红外图像 空洞卷积 注意力机制
在线阅读 下载PDF
仿生嗅觉传感技术及在电力设备状态检测中的应用前景综述
5
作者 段大鹏 盛戈皞 +3 位作者 任志刚 刘若溪 桂媛 王羽 《高压电器》 北大核心 2025年第1期1-11,共11页
电气设备的安全运行对电力系统的稳定性十分重要。近年来,仿生嗅觉传感技术是国内外研究的热点,仿生嗅觉传感技术已经成功应用于食品检验、检疫、搜救等领域。该技术也可以用于检测电气设备的缺陷或故障,通过检测电气设备金属导体及气... 电气设备的安全运行对电力系统的稳定性十分重要。近年来,仿生嗅觉传感技术是国内外研究的热点,仿生嗅觉传感技术已经成功应用于食品检验、检疫、搜救等领域。该技术也可以用于检测电气设备的缺陷或故障,通过检测电气设备金属导体及气、液或固态绝缘介质散发出的特有气味分子,进而识别设备的缺陷或故障,并可以同时联合视觉与听觉进行诊断分析。文中首先概述了仿生嗅觉传感技术的发展历程,阐述了三代仿生嗅觉传感技术的原理、技术特征和研究进展,并对其应用场景和发展方向进行了探讨。其次,从气、液、固3种状态绝缘介质的故障识别角度,对当前电力设备中的气体检测技术进行了总结与分析,提出了仿生嗅觉传感技术的适用场景和优势。最后,结合仿生嗅觉传感技术的发展和研究方向,对仿生嗅觉传感技术未来的应用前景和关键问题进行了分析,提出了未来仿生嗅觉传感技术的研究展望。 展开更多
关键词 仿生嗅觉 电力设备状态检测 气体识别 应用 展望
在线阅读 下载PDF
基于SGD和余弦退火算法改进YOLOv3的高压电力设备目标检测方法 被引量：4
6
作者 刘国权 陈尚良 +1 位作者 李跃忠 周焕银 《东华理工大学学报（自然科学版）》 CAS 北大核心 2024年第3期294-300,共7页
针对现有高压电力设备检测方法存在实时性差、准确性低和难以部署在移动端等问题,提出一种基于随机梯度下降(SGD)和余弦退火算法改进YOLOv3的高压电力输送设备安全检测算法。采用网络复杂度较小、计算速度快、识别精度高且易于部署的移... 针对现有高压电力设备检测方法存在实时性差、准确性低和难以部署在移动端等问题,提出一种基于随机梯度下降(SGD)和余弦退火算法改进YOLOv3的高压电力输送设备安全检测算法。采用网络复杂度较小、计算速度快、识别精度高且易于部署的移动端YOLOv3作为算法的主要框架;然后设计了深层的残差网络(Darknet53)作为该模型的主干特征提取网络,在提高识别精度的同时解决网络过深可能产生的梯度爆炸问题;进一步地结合SGD优化算法和余弦退火算法,在保证网络训练学习效率较高的同时避免网络陷入局部最优解,以此提高高压电力设备安全检测的速度和精度,满足实际需要;最后使用采集的高压电力设备数据集对整个网络进行训练。结果表明,YOLOv3在高压电力设备数据集上的平均检测精度达到了97.08%,检测速度达到了56帧/s,误检率只有0.78%。 展开更多
关键词 高压电力设备检测 YOLOv3 Darknet53 SGD 余弦退火算法
在线阅读 下载PDF
基于改进SSD的电力设备红外图像异常自动检测方法 被引量：74
7
作者 王旭红 李浩 +1 位作者 樊绍胜 蒋志鹏 《电工技术学报》 EI CSCD 北大核心 2020年第S01期302-305,306-310,共9页
为实现各类巡检机器人、无人机等智能电力巡检设备所携红外热像仪采集的红外图像自动检测,该文提出基于改进SSD的电力设备红外图像异常自动检测方法。对收集的典型故障电力设备红外图像统一预处理;标注电力设备及异常区域并制作标准数据... 为实现各类巡检机器人、无人机等智能电力巡检设备所携红外热像仪采集的红外图像自动检测,该文提出基于改进SSD的电力设备红外图像异常自动检测方法。对收集的典型故障电力设备红外图像统一预处理;标注电力设备及异常区域并制作标准数据集;搭建检测网络;读入数据与预训练模型到搭建的网络进行微调训练验证,得到最终模型文件并测试。实验表明,该方法泛化性强,准确率较高,能达到实时自动检测红外图像下多类典型电力设备并定位异常发热区域的效果,将使现有电力巡检设备实现“智能+”。 展开更多
关键词 电力设备异常检测 红外图像 SSD 智能巡检
在线阅读 下载PDF
基于改进YOLOv3的电力设备红外目标检测模型 被引量：63
8
作者 郑含博 李金恒 +2 位作者 刘洋 崔耀辉 平原 《电工技术学报》 EI CSCD 北大核心 2021年第7期1389-1398,共10页
红外图像检测技术因具有非接触、快速等优点,被广泛应用于电力设备的监测与诊断中,而对设备快速精确地检测定位是实现自动检测与诊断的前提。与普通目标的可见光图像相比,电力设备的红外图像可能存在背景复杂、对比度低、目标特征相近... 红外图像检测技术因具有非接触、快速等优点,被广泛应用于电力设备的监测与诊断中,而对设备快速精确地检测定位是实现自动检测与诊断的前提。与普通目标的可见光图像相比,电力设备的红外图像可能存在背景复杂、对比度低、目标特征相近、长宽比偏大等特征,采用原始的YOLOv3模型难以精确定位到目标。针对此问题,该文对YOLOv3模型进行改进:在其骨干网络中引入跨阶段局部模块;将路径聚合网络融合到原模型的特征金字塔结构中;加入马赛克(Mosaic)数据增强技术和Complete-IoU(CIoU)损失函数。将改进后的模型在四类具有相似波纹外观结构的电力设备红外图像数据集上进行训练测试,每类的检测精度均能达到92%以上。最后,将该文方法的测试结果与其他三个主流目标检测模型进行对比评估。结果表明:不同阈值下,该文提出的改进模型获得的平均精度均值优于Faster R-CNN、SSD和YOLOv3模型。改进后的YOLOv3模型尽管在检测速度上相比原YOLOv3模型有所牺牲,但仍明显高于其他两种模型。对比结果进一步验证了所提模型的有效性。 展开更多
关键词 电力设备检测 YOLOv3 卷积神经网络 红外图像
在线阅读 下载PDF
电力设备机械振动–超声波融合检测传感器研制及应用 被引量：15
9
作者 张昭宇 胡一丹 +4 位作者 宋颜峰 郭若琛 韩旭涛 孟旋 李军浩 《中国电机工程学报》 EI CSCD 北大核心 2023年第14期5713-5722,共10页
电力变压器、气体绝缘组合电器(gas insulated switchgear,GIS)等大型电力设备不仅是复杂的电气设备,还是复杂的机械设备,运行中极易产生机械和绝缘缺陷,导致设备故障。振动及局部放电是设备机械和绝缘缺陷的有效表征信号,为了实现电力... 电力变压器、气体绝缘组合电器(gas insulated switchgear,GIS)等大型电力设备不仅是复杂的电气设备,还是复杂的机械设备,运行中极易产生机械和绝缘缺陷,导致设备故障。振动及局部放电是设备机械和绝缘缺陷的有效表征信号,为了实现电力设备机械和绝缘缺陷的同时检测,该文提出可同时、同点、同步进行振动加速度和超声信号检测的融合传感器结构,设计融合信号多功能调理电路,研制振动加速度–超声波融合传感器,实现机械振动和局部放电信号在空间和时间上的同步检测及数据处理。进行融合传感器振动和超声校准试验,1Hz~4kHz内的平均振动灵敏度为98.1mV/g;20kHz~100kHz内的频响曲线谐振频率为46kHz,平均超声灵敏度为73dB(V/(m/s))。基于实际GIS设备开展局部放电和机械振动联合检测试验,试验结果表明融合传感器可准确检测电力设备机械振动和超声局放信号,为电力设备状态多物理量融合检测提供了新的思路与方案。 展开更多
关键词 电力设备状态检测 机械缺陷 局部放电 振动传感器 超声波传感器
在线阅读 下载PDF
环境热源干扰下的红外辐射检测激光校准方法 被引量：1
10
作者 李兴春 李兴高 《探测与控制学报》 CSCD 北大核心 2011年第4期44-47,共4页
环境热源干扰是导致电力设备热故障误判的主要根源,为提高热故障诊断的准确性,更好地实行电力设备热故障检测,设计出了基于激光校准的辅助部分来修正热故障误判数据。实际应用工程案例验证了该技术的有效性,该技术有一定应用价值和工程... 环境热源干扰是导致电力设备热故障误判的主要根源,为提高热故障诊断的准确性,更好地实行电力设备热故障检测,设计出了基于激光校准的辅助部分来修正热故障误判数据。实际应用工程案例验证了该技术的有效性,该技术有一定应用价值和工程意义。 展开更多
关键词 电力设备检测 辐射检测 热故障诊断 热源干扰
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部