论文部分内容阅读
电力设备在长期运转中会产生形态不规则的锈蚀,人工巡检工作存在难度大、效率低、成本高等问题,而采用传统的图像处理方法对锈蚀进行检测的效率和准确率都不高。为此,提出基于深度学习的电力设备锈蚀检测技术。该方法以变电站、输电网络等电力设备实际作业环境中的监控设备拍摄的图像数据作为训练样本,采用基于深度学习的目标检测技术,识别并定位电力设备上的锈蚀区域。以Faster R-CNN模型和YOLOv3模型作为神经网络的基础模型进行验证,结果表明2个模型都能检测出较为明显的锈蚀,Faster R-CNN模型在准确度和检测