论文部分内容阅读
配网设备异常通常伴有发热现象,红外图像能够有效检测出发热设备,预防配网事故的发生。随着红外图像采集技术在配网巡检中的广泛应用,积攒了大量配网设备红外图像,传统机器学习方法对缺陷设备检测的准确率低、泛化性差。为此,文中将深度学习技术应用于配网设备红外图像检测,提出了基于Faster RCNN的缺陷检测方法。该方法采用深度残差网络提取图像特征,针对配网设备形状特点优化区域提议网络,借助共享卷积层训练网络。通过对8类典型配网设备缺陷测试表明,该方法对缺陷设备红外图像具有较高的检测准确率,且具有良好的鲁棒性