基于深度学习的变电设备缺陷图像识别与分类技术被引量：1

导出

摘要提出一种基于深度学习的变电设备缺陷图像识别与分类技术。对变电设备缺陷图像进行了预处理和数据增强,采用多种卷积神经网络模型进行模型训练和优化。通过交叉熵损失函数和Adam优化器,构建精确度较高的图像分类模型。实验结果表明,基于深度学习的图像识别方法在变电设备缺陷分类任务中表现出较高的准确率和鲁棒性,有助于提升电力设备故障诊断的自动化程度和准确性。

作者刘乾

机构地区国网江苏省电力有限公司淮安市洪泽区供电分公司

出处《电气时代》 2025年第6期93-96,共4页 Electric Age

关键词分类深度学习缺陷图像识别卷积神经网络

分类号 TP391.41 [自动化与计算机技术—计算机应用技术]

引文网络
相关文献

参考文献8

1齐冬莲,韩译锋,周自强,闫云凤.基于视频图像的输变电设备外部缺陷检测技术及其应用现状[J].电子与信息学报,2022,44(11):3709-3720. 被引量：34
2李雅峰.基于深度学习与点云数据的3D检测系统应用研究[J].微型电脑应用,2024,40(2):62-65. 被引量：4
3李明轩,李峰,颜培培,叶波.计及等效负荷密度的变电站设备故障缺陷识别仿真[J].微型电脑应用,2024,40(5):120-123. 被引量：3
4付晶,谈家英,周立玮,蔡焕青,陈伯建.输电线路无人机巡检图像缺陷智能识别方法分析[J].高电压技术,2023,49(S01):103-110. 被引量：41
5李瑛,耿军伟,赵留学,陈波.基于ChineseBERT和多特征协同网络的电力设备缺陷文本分类模型[J].微型电脑应用,2024,40(2):106-109. 被引量：2
6裴少通,杨家骏,马子儒,刘云鹏.基于深度学习的输变电设备紫外放电光斑分割方法[J].科学技术与工程,2022,22(33):14759-14766. 被引量：11
7谢静,杜耀文,刘志坚,刘航,王天艺,缪猛.基于轻量化改进型YOLOv5s的可见光绝缘子缺陷检测算法[J].电网技术,2023,47(12):5273-5282. 被引量：32
8贾骏,杨强,付慧,杨景刚,何禹德.基于电力设备大数据的预训练语言模型构建和文本语义分析[J].中国电机工程学报,2023,43(3):1027-1036. 被引量：23

二级参考文献129

1冯斌,张又文,唐昕,郭创新,王坚俊,杨强,王慧芳.基于BiLSTM-Attention神经网络的电力设备缺陷文本挖掘[J].中国电机工程学报,2020,40(S01):1-10. 被引量：68
2陆晓蕾,倪斌.基于预训练语言模型的BERT-CNN多层级专利分类研究[J].中文信息学报,2021,35(11):70-79. 被引量：29
3刘志颖,缪希仁,陈静,江灏.电力架空线路巡检可见光图像智能处理研究综述[J].电网技术,2020,44(3):1057-1069. 被引量：123
4马鹏,樊艳芳.基于深度迁移学习的小样本智能变电站电力设备部件检测[J].电网技术,2020,44(3):1148-1159. 被引量：95
5颜宏文,陈金鑫.基于改进YOLOv3的绝缘子串定位与状态识别方法[J].高电压技术,2020,46(2):423-432. 被引量：82
6张重远,罗世豪,岳浩天,王博闻,刘云鹏.基于Mel时频谱-卷积神经网络的变压器铁芯声纹模式识别方法[J].高电压技术,2020,46(2):413-423. 被引量：83
7石延辉,罗毅,涂光瑜,吴彤.一种适用于隔离开关的边缘提取算法[J].继电器,2007,35(12):23-26. 被引量：4
8高健,苗兴,王斌,李玉鹏.基于紫外成像技术的750kV输电线路和设备电晕放电分析[J].科学技术与工程,2011,11(30):7531-7535. 被引量：8
9陈安伟,乐全明,张宗益,孙勇.基于机器人的变电站开关状态图像识别方法[J].电力系统自动化,2012,36(6):101-105. 被引量：41
10谢雄杰,刘琴,霍锋,朱雷,刘云鹏,周国杨.1000kV与500kV交流同塔输电线路的电晕损耗仿真及试验分析[J].高电压技术,2013,39(3):592-596. 被引量：10

共引文献138

1谢庆,张煊宇,王春鑫,张雨桐,律方成,谢军.新一代人工智能技术在输变电设备状态评估中的应用现状及展望[J].高压电器,2022,58(11):1-16. 被引量：78
2万金金,文屹,吕黔苏,张迅,范强,肖书舟,万云林.基于大数据深度挖掘电网设备缺陷体外循环的模型研制与应用[J].电力大数据,2023,26(3):61-68. 被引量：4
3张小龙.智能电网中输变电技术应用[J].电力设备管理,2023(14):121-123. 被引量：1
4宣勃然.面向高压电气试验的自动化预警技术[J].自动化应用,2023,64(18):29-31. 被引量：4
5赵振兵,马迪雅,石颖,李刚.基于改进YOLOX的变电站仪表外观缺陷检测算法[J].图学学报,2023,44(5):937-946. 被引量：4
6何宇浩,宋云海,何森,周震震,孙萌,陈毅,闫云凤.面向电力缺陷场景的小样本图像生成方法[J].浙江电力,2024,43(1):126-132. 被引量：5
7李荣超,巩冬梅.智能化变电站电气设备缺陷检测方法研究[J].中国高新科技,2023(23):103-105. 被引量：2
8谢庆,王春鑫,李帆,谢晨昊,钟昱尧,翟常营,谢军,张镱议,律方成.知识及数据驱动的电力一次设备健康管理方法综述[J].高电压技术,2024,50(2):605-620. 被引量：23
9高正中,于明沆,孟晗,殷秀程.基于改进YOLOv5算法的红外图像行人目标检测[J].中国科技论文,2024,19(2):209-214. 被引量：2
10刘浩,张少锋,李艳丽,单心如,王峰.基于图像识别的防爆电气设备引入装置缺陷识别方法[J].防爆电机,2024,59(1):62-66. 被引量：3

同被引文献3

1付晓丽.一种支持边缘计算的轻量化深度学习推理系统设计[J].信息记录材料,2025,26(8):62-64. 被引量：1
2张盛天,郭文俊,姚静姝.边缘计算下基于深度强化学习的计算卸载策略[J].软件工程,2025,28(9):39-44. 被引量：1
3张永辉.深度学习在变电站设备故障精准预测中的应用探索[J].张江科技评论,2025(10):97-99. 被引量：1

引证文献1

1段尚吟捷.面向边缘设备的轻量化深度学习模型优化方法[J].计算机研究与应用,2026,9(3):13-17.

1黎宗孝,张健,罗鑫悦,赵嶷飞,卢飞.基于K-means和Adam-LSTM的机场进场航迹预测研究[J].广西师范大学学报(自然科学版),2025,43(4):15-23. 被引量：1
2鄢化彪,林初欣,黄绿娥,李东丽,刘词波,徐方奇.基于特征分治与融合的铁路扣件轻量化实时检测模型[J].北京交通大学学报,2025,49(3):56-67.
3张河山,范梦伟,谭鑫,郑展骥,寇立明,徐进.基于改进YOLOX的无人机航拍图像密集小目标车辆检测[J].吉林大学学报(工学版),2025,55(4):1307-1318. 被引量：5
4李森,李明煜,徐梦强,韩磊,邹佳旺.基于数字孪生的深基坑变形控制技术与应用[J].工程建设(维泽科技),2025,8(5):174-177.

电气时代

2025年第6期

浏览历史

内容加载中请稍等...

基于深度学习的变电设备缺陷图像识别与分类技术被引量：1

参考文献8

二级参考文献129

共引文献138

同被引文献3

引证文献1

相关作者

相关机构

相关主题

浏览历史

基于深度学习的变电设备缺陷图像识别与分类技术 被引量：1

参考文献8

二级参考文献129

共引文献138

同被引文献3

引证文献1

相关作者

相关机构

相关主题

浏览历史

基于深度学习的变电设备缺陷图像识别与分类技术被引量：1