摘要
电气设备在长期运行及严苛环境的条件下易出现锈蚀等缺陷,将直接影响设备的安全与寿命,而传统的人工检测方法效率低、准确率有限。随着深度学习与机器视觉技术的快速发展,基于机器视觉算法的自动化缺陷检测方法逐渐成为研究热点。本文围绕电气设备锈蚀缺陷检测问题,系统探讨了YOLOv5的机器视觉检测理论基础,通过融合颜色空间嵌入、多尺度轻量化结构以及区域强化损失函数,实现对不同类型和尺度锈蚀缺陷的高效识别与精确定位。实验采用多场景、多型号电气设备数据集,验证所提方法的有效性和优越性,为电气设备运维提供可靠技术支持。
出处
《电气技术与经济》
2025年第11期196-199,共4页
Electrical Equipment and Economy
