企业邮箱 设为首页 加入收藏

环球体育娱乐APP

公司新闻

首页 > 新闻中心 > 公司新闻

广西大学郑含博、李金恒 等:自动检测电力设备红外方针的办法

发布时间:2022-07-05 03:26:44 来源:环球体育娱乐APP

  郑含博,副教授,研讨生导师。全国绝缘材料规范化技能委员会(SAC/TC 51)委员,我国电工技能学会人工智能及电气使用专委会委员,IEEE Std C57.93规范修订作业组秘书,IEEE PES我国区电动汽车服务与运营技能分委会常务理事,我国电机工程学会、电工技能学会高档会员,美国田纳西大学Visiting Scholar,世界期刊Advances in Fuzzy Systems客座主编。

  首要从事电气设备状况监测与毛病智能确诊、电工绝缘新材料、智能配电网及新动力使用等研讨。近三年掌管国家自然科学基金、广西自然科学基金、国家重点试验室、电网公司及企业等科技项目10余项。首要参加起草和拟定IEEE世界规范及国家规范、动力及电力行业规范等8项。获省部级科技进步二等奖1项、电网公司科技进步奖赏7项,在IEEE Trans.等揭露宣布学术论文60余篇,已授权国家发明专利10余项、实用新型专利30余项,协作出书作品5部。国家自然科学基金及本专业范畴多份世界期刊通讯评定专家。

  李金恒,硕士研讨生,研讨方向包含电气设备的智能检测、确诊与智能终端开发等。参加广西科技基地和人才专项课题(根据红外热像剖析的电力设备状况信息智能辨认)及广西自然科学基金等。

  本文对YOLOv3模型的网络架构及丢失函数进行了改善,以完成对电力设备红外图画快速精确地辨认与检测。与几种干流检测模型在电力设备红外数据集进步行了试验比照,表明晰改善后的模型不只能以最高的精确率辨认出红外图画中的电力设备,并且能快速精确地定位到设备所在位置,为后续电力设备的带电检测评价与智能状况确诊奠定了根底。

  电力设备的反常作业状况和绝缘劣化极有或许导致部分热量积累,然后诱发设备呈现毛病。红外热成像技能供给了一种非触摸的检测办法来获取电力设备的热状况信息,使电力设备的状况检测能在不停电的情况下进行。图1展现了电力设备的红外图画。

  但现在对电力设备红外图画数据的剖析与确诊仍需依靠经验丰富的电力工程师,这无疑耗费了很多的人力和时刻本钱,极大降低了电力设备状况检测与确诊的功率。因此有必要研讨更快、更精确的电力设备状况自动检测办法,而对设备快速精确地定位及辨认是完成其自动检测与确诊的条件和要害。

  本文首要对YOLOv3模型的输入端、主干网络、颈部及检测头别离进行了改善,首先是网络结构的两处改善:

  1)在YOLOv3主干网络DarkNet53的每个残差块中加上跨阶段部分模块(CSP),CSP模块能有用进步卷积神经网络的学习才能,削减核算量,在轻量化的一起进一步进步模型的分类精度;

  2)在原模型的特征金字塔网络(FPN)后参加自底向上的特征交融模块途径聚合网络(PAN),PAN是对FPN的弥补,它能较好地保存浅层特征信息,自底向上传递强定位特征。

  FPN与PAN的组合模块能从不同的主干层对不同的检测层进行参数聚合,进一步进步了检测模型的特征提取才能。除此之外,本文还在模型的输入端添加了Mosaic技能,以增强模型的练习作用;CIoU丢失函数被用作新模型检测头部分的定位丢失,能让模型在边框回归时取得更好的收敛速度和精度。改善后的模型架构如图2所示。

  为了验证本文模型的有用性,别离将Faster R-CNN、SSD、YOLOv3和本文提出的模型在四类电力设备红外数据集进步行测验评价。在上述四种模型的练习开端阶段,均选用搬迁学习来初始化模型的权重,以加快模型的练习并进步模型的功能。图3显现了提出办法在练习过程中均匀丢失值(Avg_loss)与均匀精度均值(mAP)随迭代次数(Iterations)添加而改变的曲线图。

  文章提出了一种改善YOLOv3的电力设备红外图画检测新模型。经过对原模型的输入端、主干网络、颈部及检测头四部分进行改善,进步了模型的练习作用及检测精确率;将原定位丢失替换为CIoU丢失,使模型在边框回归时取得更好的收敛速度和精度,产进步了模型定位精度。

  最终在构建的电力设备红外数据集进步行练习和测验,验证了提出办法不只能精确辨认电力设备类别,并且能快速精确地定位到设备所在位置,为后续电力设备的智能状况评价与确诊奠定了根底。