基于改进YOLOv3算法的熔断器故障检测研究 |
| |
引用本文: | 魏铭浩,刘方涛,王成伟,刘月娥,李峥嵘.基于改进YOLOv3算法的熔断器故障检测研究[J].电工技术,2021(22):65-68. |
| |
作者姓名: | 魏铭浩 刘方涛 王成伟 刘月娥 李峥嵘 |
| |
作者单位: | 珠海许继电气有限公司,广东 珠海 519060;北京星闪世图科技有限公司,北京 100089 |
| |
摘 要: | 近年来,随着神经网络和深度学习在工业工程中广泛应用,计算机视觉算法在边缘端计算方面得到了极大提高.在计算机视觉领域,传统的目标检测方法通常基于低层特征训练一个特定类别的学习(如 SVM),通过滑动局部窗口来检测单个类别的图像,因此可能不适用于灵敏度高、目标类型多、环境复杂的电网故障图像.对此提出在 YOLOv3算法中加入FPN (特征金字塔)和 Anchor的 K-means聚类,使整个改进的 YOLOv3算法在电气多类故障检测上比传统方法更高效、更准确.从技术角度讲,使用darknet框架并行训练 YOLOv3模型,在训练过程中将小批量提升到128张,改进的 YOLOv3能同时快速检测出熔断器断开故障.
|
关 键 词: | 目标检测 FPN anchor 熔断器 故障检测 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《电工技术》浏览原始摘要信息 |
|
点击此处可从《电工技术》下载全文 |
|