基于改进YOLOv3的避雷器红外图像故障检测方法 |
| |
引用本文: | 胡泰山,刘浩,刘刚,梅琪,马御棠,廖民传.基于改进YOLOv3的避雷器红外图像故障检测方法[J].红外技术,2023(11):1256-1261. |
| |
作者姓名: | 胡泰山 刘浩 刘刚 梅琪 马御棠 廖民传 |
| |
作者单位: | 1. 南方电网科学研究院有限责任公司直流输电技术国家重点实验室;2. 云南电网有限责任公司电力科学研究院 |
| |
摘 要: | 针对现有的金属氧化物避雷器(Metal Oxide Arrester,MOA)红外图像故障检测方法存在识别精度低、检测速度较慢的问题,提出一种基于改进YOLOv3的MOA红外图像故障检测方法。首先,以Darknet19网络代替YOLOv3原始的Darknet53网络,并在特征学习时针对样本中不同MOA长宽比例,通过K-means聚类算法对MOA图像中的目标帧进行分析,重新聚类样本中心锚点框,得到合适的锚框数目和大小。最后,利用改进YOLOv3模型完成MOA红外图像故障检测。实验结果表明,改进的YOLOv3模型识别精度达到96.3%,识别速度为6.75 ms。
|
关 键 词: | 金属氧化物避雷器 YOLOv3 深度学习 红外图像 K-means聚类 |
|
|