基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法

作者：郑文杰; 杨祎; 乔木; 吕俊涛; 张峰达; 洪欣媛

来源：重庆理工大学学报：自然科学, 2023, 37(09): 261-269.

• 变电设备
• 红外图像
• YOLOv4-Tiny算法
• Resnet
• 故障诊断

针对变电设备红外图像背景干扰大、热缺陷故障种类多、现有故障诊断方法效率低，难以满足实际巡检应用需求的问题，提出一种基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法。首先，构建典型变电设备红外图像数据集，采用卷积核分解及多层特征融合技术改进YOLOv4-Tiny算法，对发生故障的设备进行定位并获取该设备先验框；然后，提出融合密集连接的Res＿DNet网络获取先验框内局部图像数据的多尺度特征，提高设备故障类型的分类准确度；最后，采用贝叶斯算法改进模型超参数，获取学习率、卷积核个数等的最佳组合，实现高效率及高准确度的故障识别与分类。研究结果表明：改进后的YOLOv4-Tiny算法相较于原算法准确率提升了5.3%,改进后的Res＿DNet算法相比经典算法准确率提升了4.6%以上，能实现变电设备热缺陷状态高精度识别。

• 单位
  输配电装备及系统安全与新技术国家重点实验室; 国网山东省电力公司电力科学研究院; 重庆大学