检索结果-维普期刊中文期刊服务平台

基于二阶段目标增强网络的低照度复杂环境下绝缘子故障检测方法被引量：6: 1; 作者田子建吴佳奇 +3 位作者张文琪陈伟杨伟王帅《电网技术》 EI CSCD 北大核心 2024年第3期1331-1340,共10页; 从低照度户外环境中航拍采集的绝缘子影像,存在照度低、背景复杂、绝缘子故障目标小等缺陷,严重影响低照度环境下绝缘子故障检测准确性。为解决上述问题,文章提出一种基于TOE-Net的低照度复杂环境下绝缘子故障检测方法,提出TOE-Net进行... 展开更多; 关键词绝缘子故障检测低光复杂环境目标检测小目标检测二阶段目标增强网络弱监督机制零目标图像增强损失函数小目标特征增强SSD YOLOv7小目标检测算法; 在线阅读下载PDF 职称材料

基于图像识别的无人机输电线路绝缘子故障检测方法研究被引量：28: 2; 作者韩正新乔耀华 +1 位作者孙阳李伟靖《现代电子技术》北大核心 2017年第22期179-181,186,共4页; 针对绝缘子的自爆缺陷故障,基于图像识别技术,设计并实现了一套无人机输电线路绝缘子故障检测方法。该方法依次进行图像色彩转换、图像载入和预处理、OTSU或最大熵值分割法分割以及绝缘子轮廓检测工作,实现了对绝缘子间无明显重叠和有... 展开更多; 关键词图像识别无人机输电线路绝缘子故障检测; 在线阅读下载PDF 职称材料

基于超分辨深度残差网络的玻璃绝缘子自爆故障检测算法被引量：18: 3; 作者郝帅马瑞泽 +3 位作者赵新生马旭文虎安倍逸《高电压技术》 EI CAS CSCD 北大核心 2022年第5期1817-1825,共9页; 针对航拍巡检时玻璃绝缘子自爆故障图像易受复杂背景干扰造成传统算法难以准确检测问题,提出一种基于超分辨深度残差网络的玻璃绝缘子故障检测算法。首先,通过超分辨率卷积神经网络减小原始图像中的噪声和模糊,实现数据集的优化和增强;... 展开更多; 关键词绝缘子故障检测无人机巡检超分辨 YOLOv4 卷积神经网络; 在线阅读下载PDF 职称材料

基于绝缘子缺陷检测的模糊图像增强算法研究被引量：2: 4; 作者丁丽丹胡君红胡聪《激光杂志》 CAS 北大核心 2022年第10期56-61,共6页; 无人机图像采集过程中的运动模糊问题,会导致绝缘子缺陷目标部分失真,不利于后续缺陷定位和修复工作。针对目前模糊图像增强算法处理的图像缺乏纹理细节的问题,对基于生成对抗网络的图像增强算法的网络结构与损失函数进行改进和优化。引... 展开更多; 关键词运动模糊图像生成对抗网络绝缘子定位和故障检测模型轻量化; 在线阅读下载PDF 职称材料

题名基于二阶段目标增强网络的低照度复杂环境下绝缘子故障检测方法被引量：6: 1; 作者田子建吴佳奇张文琪陈伟杨伟王帅; 机构中国矿业大学(北京)机电与信息工程学院中国矿业大学计算机科学与技术学院国家矿山安全监察局内蒙古局; 出处《电网技术》 EI CSCD 北大核心 2024年第3期1331-1340,共10页; 基金国家自然科学基金项目(52074305,52274160,51874300) 国家自然科学基金委员会–山西省人民政府煤基低碳联合基金(U1510115)。; 文摘从低照度户外环境中航拍采集的绝缘子影像,存在照度低、背景复杂、绝缘子故障目标小等缺陷,严重影响低照度环境下绝缘子故障检测准确性。为解决上述问题,文章提出一种基于TOE-Net的低照度复杂环境下绝缘子故障检测方法,提出TOE-Net进行图像预处理方法,再使用YOLOv7-OL作为故障检测模块检测小目标绝缘子故障。在二阶段目标增强网络(two-stage object enhancement network,TOE-Net)中,设计零目标图像增强损失函数实现预增强网络(preparation enhancement network,PreEnNet)和深度增强网络(deep enhancement network,DeepEnNet)的无监督学习;使用信道级注意力模块跳跃式通道注意力机制(skip squeeze excitation networt,Skip_SENet)和跳跃式通道注意力机制(skip convolutional block attention module,Skip_CBAM)模块改进原始小目标特征增强单次多框检测算法(small object detection enhancement single shot multiBox detector,SDE-SSD),从而提升定位网络的小目标检测能力;设计弱监督机制使预增强网络根据小目标特征增强SSD的要求来提升图像增强能力,直到小目标特征增强SSD能够从增强图像中准确定位绝缘子串位置;使用深度增强网络深度增强绝缘子串区域,提升各类故障的特征显著性。故障检测模块中,将YOLOv7目标检测算法改进为面向小目标YOLOv7,在原模型中添加结合多尺度特征自适应融合网络的小目标检测通道,并将原始损失函数的CIOU改进为BIOU,从而提高模型的小目标检测性能。在低照度环境绝缘子故障检测实验中,该算法与5种目前常用目标检测算法相比具有较大优势,并且相较于低光目标检测算法IA-YOLO、GenISP with RetinaNet,m AP提升9.77%、10.35%,检测速度提升7.23%、10.16%,证明该算法适用于低照度复杂环境下小目标绝缘子故障检测任务;在正常光照绝缘子故障检测实验中该算法仍保持出色性能,证明该算法能够实现常规光照条件下绝缘子小目标故障检测。; 关键词绝缘子故障检测低光复杂环境目标检测小目标检测二阶段目标增强网络弱监督机制零目标图像增强损失函数小目标特征增强SSD YOLOv7小目标检测算法; Keywords insulator faults detection low-light complex environment object detection small object detection two-phase object enhancement network weakly supervised mechanism non-object image enhancement loss SDE-SSD YOLOv7-OL; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于图像识别的无人机输电线路绝缘子故障检测方法研究被引量：28: 2; 作者韩正新乔耀华孙阳李伟靖; 机构国网山东省电力公司检修公司北京中飞艾维航空科技有限公司; 出处《现代电子技术》北大核心 2017年第22期179-181,186,共4页; 文摘针对绝缘子的自爆缺陷故障,基于图像识别技术,设计并实现了一套无人机输电线路绝缘子故障检测方法。该方法依次进行图像色彩转换、图像载入和预处理、OTSU或最大熵值分割法分割以及绝缘子轮廓检测工作,实现了对绝缘子间无明显重叠和有明显重叠图像的前景提取与识别功能;采用基于空间序列关系建立的特征检测算法,实现对图像中部无明显重叠绝缘子的自爆缺陷故障检测和定位工作。经测试,自爆缺陷故障检测和定位准确率较高,速度较快,具有一定的应用价值,并能为类似绝缘子故障的检测研究提供参考。; 关键词图像识别无人机输电线路绝缘子故障检测; Keywords image recognition unmanned aerial vehicle transmission line insulator fault detection; 分类号 TN949.12 [电子电信—信号与信息处理] TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于超分辨深度残差网络的玻璃绝缘子自爆故障检测算法被引量：18: 3; 作者郝帅马瑞泽赵新生马旭文虎安倍逸; 机构西安科技大学电气与控制工程学院西安科技大学安全科学与工程学院; 出处《高电压技术》 EI CAS CSCD 北大核心 2022年第5期1817-1825,共9页; 基金国家自然科学基金(51804250) 中国博士后科学基金(2019M653874XB +3 种基金 2020M683522) 2020JQ–757) 陕西省教育厅科研计划项目(18JK0512)。; 文摘针对航拍巡检时玻璃绝缘子自爆故障图像易受复杂背景干扰造成传统算法难以准确检测问题,提出一种基于超分辨深度残差网络的玻璃绝缘子故障检测算法。首先,通过超分辨率卷积神经网络减小原始图像中的噪声和模糊,实现数据集的优化和增强;然后,利用YOLOv4检测算法对经过超分辨处理后的图像进行检测并提取包含绝缘子的目标区域;最后,通过添加Dropout层和3层全连接层对resnet50网络结构进行优化,并通过迁移学习将预训练权重引入所设计的故障识别网络以进一步提升网络识别精度,从而构建出一种改进的resnet50玻璃绝缘子故障识别网络。为验证所提出算法的优势,利用某供电局近3年无人机巡检视频进行测试。实验结果表明:提出的方法可实现复杂环境下玻璃绝缘子故障的精确检测,检测精度可达94.3%,同时该算法具有较好的实时性。; 关键词绝缘子故障检测无人机巡检超分辨 YOLOv4 卷积神经网络; Keywords insulator fault detection UAV inspection super-resolution YOLOv4 convolutional neural network; 分类号 TM75 [电气工程—电力系统及自动化] TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于绝缘子缺陷检测的模糊图像增强算法研究被引量：2: 4; 作者丁丽丹胡君红胡聪; 机构华中师范大学物理科学与技术学院; 出处《激光杂志》 CAS 北大核心 2022年第10期56-61,共6页; 基金国家自然科学基金(No.62101204) 湖北省自然科学基金(No.2020CFB474)。; 文摘无人机图像采集过程中的运动模糊问题,会导致绝缘子缺陷目标部分失真,不利于后续缺陷定位和修复工作。针对目前模糊图像增强算法处理的图像缺乏纹理细节的问题,对基于生成对抗网络的图像增强算法的网络结构与损失函数进行改进和优化。引入U-net作为判别器为生成器提供像素级的反馈,并提出了联合像素损失、感知损失和边缘损失作为内容损失的优化方案。实验结果表明该方法在PSNR和SSIM指标相较于经典DeblurGAN算法分别提升了1.16 dB和0.048,图像质量得到了极大提升。; 关键词运动模糊图像生成对抗网络绝缘子定位和故障检测模型轻量化; Keywords motion blur images generative adversarial networks insulator positioning and fault detection model lightweight; 分类号 TN209 [电子电信—物理电子学]; 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	基于二阶段目标增强网络的低照度复杂环境下绝缘子故障检测方法	田子建吴佳奇张文琪陈伟杨伟王帅	《电网技术》 EI CSCD 北大核心	2024	6	在线阅读下载PDF 职称材料
2	基于图像识别的无人机输电线路绝缘子故障检测方法研究	韩正新乔耀华孙阳李伟靖	《现代电子技术》北大核心	2017	28	在线阅读下载PDF 职称材料
3	基于超分辨深度残差网络的玻璃绝缘子自爆故障检测算法	郝帅马瑞泽赵新生马旭文虎安倍逸	《高电压技术》 EI CAS CSCD 北大核心	2022	18	在线阅读下载PDF 职称材料
4	基于绝缘子缺陷检测的模糊图像增强算法研究	丁丽丹胡君红胡聪	《激光杂志》 CAS 北大核心	2022	2	在线阅读下载PDF 职称材料