论文部分内容阅读
电网由各种电力设备组成,任何一个设备发生故障都将影响电网的稳定运行,通过对反映温度的电力设备的红外图像分析可以提前预知故障,因此需要对采集图像进行设备分割,然而目前对红外图像的分割多依赖传统方法,其效率低且分割结果不精确。论文提出基于Mask R-CNN的电力设备红外图像分割方法,这种深度学习的图像分割方法可以提取电力设备复杂的、高维的特征,有利于电力设备的分割,并且针对训练样本较少的问题,引入了迁移学习的机制。实验结果表明:Mask R-CNN和迁移学习的结合可以有效地解决电力设备红外图像的分割问