-
题名基于导向型级联可形变卷积的电气设备红外图像检测
被引量：8
- 1
-
-
作者
吴昊月
张惊雷
赵俊亚
-
机构
天津理工大学电气电子工程学院
天津市复杂系统控制理论及应用重点实验室
中国能源建设集团天津电力设计院有限公司
-
出处
《计算机应用与软件》
北大核心
2023年第4期204-210,共7页
-
文摘
基于红外图像的电气设备识别及其温度异常检测对摄像机拍摄角度变化敏感,提出一种基于导向型级联可形变卷积神经网络的户外电力设备识别检测算法。对残差网络进行改进,在网络的后三个残差块中加入可形变卷积层,以便更好地提取电气设备的特征;利用像素点的概率得分图,预测候选像素点;三个级联的检测器将标定的真实框与算法生成的候选预测框进行阈值筛选,得到最终的预测框。建立并标记了近万张包括绝缘子、电流互感器、避雷器、断路器、隔离开关、套管等6种电气设备及其温度异常数据集ELE,实验结果表明该算法检测平均精度均值(mAP)达到95.3%,对包含小目标温度异常区域检测的mAP达到了88.1%。
-
关键词
电气设备红外图像
目标检测
级联卷积神经网络
可形变卷积
像素点
-
Keywords
Infrared image of electrical equipment
Target detection
Cascade
RCNN
Deformable convolution
Pix
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名轻量级网络识别红外图像中电气设备及其热故障
被引量：1
- 2
-
-
作者
张惊雷
李婉欣
赵俊亚
温显斌
-
机构
天津理工大学电气电子工程学院
中国能源建设集团天津电力设计院有限公司
天津理工大学计算机视觉与系统教育部重点实验室
-
出处
《计算机应用与软件》
北大核心
2024年第12期43-48,76,共7页
-
基金
国家自然科学基金项目(61472278)。
-
文摘
提出一种适合边缘计算设备的轻量级卷积神经网络(LightweightES)用于识别热像中的电气设备及其异常发热故障。为达到减少模型参数的同时提升检测精度的目标,对经典SSD进行改造,利用MobileNetV3轻量级网络作为特征提取骨干网络,快速高效地提取图像特征;引入高效通道注意模块ECA,提高网络的检测精度;采用软池化(SoftPool)方法以减少池化信息损失,提高网络的分类精度。建立并标注含10516幅电气设备红外图像的数据集,含电流互感器、避雷器、绝缘子、隔离开关、断路器、套管等6种户外变电站设备。实验结果表明:LightweightES算法mAP达93.8%,较SSD提高了7.5百分点,参数量仅为SSD的1/5,检测帧率达55 FPS,能够实时准确地识别电气设备及其局部温度异常故障,适用于算力有限的智能现场监测终端。
-
关键词
电气设备红外图像
目标检测
轻量级网络
通道注意
池化
-
Keywords
Infrared image of electrical equipment
Target detection
Lightweight network
Channel attention
Pooling
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名一种双分支网络结构的典型电气设备多源图像融合算法
- 3
-
-
作者
聂启新
肖志云
鲍腾飞
靳旭
高文强
郭浩
-
机构
内蒙古工业大学电力学院
内蒙古工业大学内蒙古自治区机电控制重点实验室
内蒙古自治区高等学校智慧能源技术与装备工程研究中心
-
出处
《电测与仪表》
北大核心
2025年第5期68-75,共8页
-
基金
国家自然科学基金资助项目(61661042)
内蒙古自治区科技计划项目(2021GG0345)
内蒙古自治区自然科学基金资助项目(2021MS06020)。
-
文摘
随着智能电网系统的快速发展,为提升热故障的准确定位,图像融合技术得到了广泛的关注。文中以变电站电气设备可见光和红外图像为研究对象,通过深度学习方法设计网络模型,以自动编码器为主干网络,其中编码器采用设计的密集连接分支和加强分支双分支网络结构,一个分支为密集连接分支,使用密集块连接和自注意力机制来提取边缘和细节特征,另一个分支为加强分支,采用改进的特征金字塔结构(feature pyramid network,FPN),增强全局信息。文中通过双分支结构得到两组相应特征,采用L1-范数融合策略将特征进行融合后输入解码器重建融合图像。经过与多种方法对比,文中方法从主观视觉评价、客观图像融合评价指标两方面验证了该算法的先进性,其中客观评价指标Q MI、SSIM、FMI pixel分别为0.56726、0.59347、0.88760,达到最高值,证明融合图像质量得到提升,适用于电气设备多源图像融合。
-
关键词
图像融合技术
双分支网络
电气设备可见光图像和红外图像
图像配准
深度学习
-
Keywords
image fusion technology
dual-branch network
visible light image and infrared image of electrical equipment
image registration
deep learning
-
分类号
TM931
[电气工程—电力电子与电力传动]
-
