期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
复杂背景条件下的电气设备图像实例分割算法
被引量：
2
1
作者
张志君
张惊雷
贾鑫
《电子测量技术》
北大核心
2024年第1期110-117,共8页
变电站巡检拍摄的电气设备可见光图像存在背景杂乱、目标轮廓不规则等特点,造成设备分割精度不高,影响智能巡检系统设备识别效果。基于此,提出一种改进的YOLACT++模型,实现设备目标精确实例分割。首先,设计了电气设备特征提取主干网络DA...
变电站巡检拍摄的电气设备可见光图像存在背景杂乱、目标轮廓不规则等特点,造成设备分割精度不高,影响智能巡检系统设备识别效果。基于此,提出一种改进的YOLACT++模型,实现设备目标精确实例分割。首先,设计了电气设备特征提取主干网络DAGNet,提升了网络对复杂背景下重要特征的关注度;同时在原型网络分支引入3D注意力模块SimAM,降低混乱背景对目标分割的干扰。使用某市8个区域58座110 kV变电站和86座35 kV变电站巡检所得避雷器、断路器等6类电气设备的1730张可见光图像的标记数据集对该模型进行验证,实验结果表明,改进YOLACT++模型分割的AP_(all)指标为84.1%,相较原模型提高了4.4%,与YOLACT、Mask R-CNN和YOLOv8模型相比分别高出4.0%、9.3%、1.6%,较好地实现了6类电气设备的识别,可满足电力巡检中准确性和快速性的要求。
展开更多
关键词
电气设备识别
实例分割
YOLACT++
可见光图像
在线阅读
下载PDF
职称材料
基于优化YOLOv4的主要电气设备智能检测及调参策略
被引量：
32
2
作者
律方成
牛雷雷
+2 位作者
王胜辉
谢庆
王子豪
《电工技术学报》
EI
CSCD
北大核心
2021年第22期4837-4848,共12页
基于无人机和巡检机器人搭载的多光谱成像检测是高压设备非接触检测的发展趋势,而主要电气设备的识别是其绝缘状态智能诊断的基础。该文建立了绝缘子、均压环、防振锤、套管和导线训练与测试数据库;基于YOLOv4,改进了Mosaic数据扩充算法...
基于无人机和巡检机器人搭载的多光谱成像检测是高压设备非接触检测的发展趋势,而主要电气设备的识别是其绝缘状态智能诊断的基础。该文建立了绝缘子、均压环、防振锤、套管和导线训练与测试数据库;基于YOLOv4,改进了Mosaic数据扩充算法,使网络误差降低了0.7,识别准确度提高到84.3%;研究了基于边界框回归的交并比(IoU)算法对不同尺度检测目标的影响,提出了对大、小目标分别采用CIoU和GIoU的训练策略;研究了K-means和分层聚类算法对自建数据库的标注值宽高数据聚类效果及检测结果的影响;基于误差、识别准确度和训练速度,研究并优化了YOLOv4的网络参数,改进后的模型训练误差降低了3%,识别准确度提高了0.8%,较好地实现了主要电气设备的识别。该研究可用于多光谱成像电气设备运行状态的现场诊断。
展开更多
关键词
电气设备识别
YOLOv4
数据扩充算法
交并比
K-means和层次聚类
在线阅读
下载PDF
职称材料
题名
复杂背景条件下的电气设备图像实例分割算法
被引量：
2
1
作者
张志君
张惊雷
贾鑫
机构
天津理工大学电气工程与自动化学院
天津市复杂系统控制理论及应用重点实验室
天津理工大学工程训练中心
出处
《电子测量技术》
北大核心
2024年第1期110-117,共8页
基金
国家自然科学基金青年项目(62302335)资助。
文摘
变电站巡检拍摄的电气设备可见光图像存在背景杂乱、目标轮廓不规则等特点,造成设备分割精度不高,影响智能巡检系统设备识别效果。基于此,提出一种改进的YOLACT++模型,实现设备目标精确实例分割。首先,设计了电气设备特征提取主干网络DAGNet,提升了网络对复杂背景下重要特征的关注度;同时在原型网络分支引入3D注意力模块SimAM,降低混乱背景对目标分割的干扰。使用某市8个区域58座110 kV变电站和86座35 kV变电站巡检所得避雷器、断路器等6类电气设备的1730张可见光图像的标记数据集对该模型进行验证,实验结果表明,改进YOLACT++模型分割的AP_(all)指标为84.1%,相较原模型提高了4.4%,与YOLACT、Mask R-CNN和YOLOv8模型相比分别高出4.0%、9.3%、1.6%,较好地实现了6类电气设备的识别,可满足电力巡检中准确性和快速性的要求。
关键词
电气设备识别
实例分割
YOLACT++
可见光图像
Keywords
electrical equipment detection
instance segmentation
YOLACT++
visible image
分类号
TM755 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于优化YOLOv4的主要电气设备智能检测及调参策略
被引量：
32
2
作者
律方成
牛雷雷
王胜辉
谢庆
王子豪
机构
新能源电力系统国家重点实验室(华北电力大学)
河北省输变电设备安全防御重点实验室(华北电力大学)
出处
《电工技术学报》
EI
CSCD
北大核心
2021年第22期4837-4848,共12页
基金
国家重点研发计划资助项目(2018YFF01011900)。
文摘
基于无人机和巡检机器人搭载的多光谱成像检测是高压设备非接触检测的发展趋势,而主要电气设备的识别是其绝缘状态智能诊断的基础。该文建立了绝缘子、均压环、防振锤、套管和导线训练与测试数据库;基于YOLOv4,改进了Mosaic数据扩充算法,使网络误差降低了0.7,识别准确度提高到84.3%;研究了基于边界框回归的交并比(IoU)算法对不同尺度检测目标的影响,提出了对大、小目标分别采用CIoU和GIoU的训练策略;研究了K-means和分层聚类算法对自建数据库的标注值宽高数据聚类效果及检测结果的影响;基于误差、识别准确度和训练速度,研究并优化了YOLOv4的网络参数,改进后的模型训练误差降低了3%,识别准确度提高了0.8%,较好地实现了主要电气设备的识别。该研究可用于多光谱成像电气设备运行状态的现场诊断。
关键词
电气设备识别
YOLOv4
数据扩充算法
交并比
K-means和层次聚类
Keywords
Electric equipment detection
YOLOv4
data augmente algrithm
intersection ouer union
K-means and hierarchical cluster
分类号
TM852 [电气工程—高电压与绝缘技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
复杂背景条件下的电气设备图像实例分割算法
张志君
张惊雷
贾鑫
《电子测量技术》
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于优化YOLOv4的主要电气设备智能检测及调参策略
律方成
牛雷雷
王胜辉
谢庆
王子豪
《电工技术学报》
EI
CSCD
北大核心
2021
32
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
