摘要

针对现有基于深度学习的变电站设备故障识别方法中所存在的空间定位与信息提取兼容性差的问题,本文提出基于UFPN-Fuse网络的故障识别方法。先将故障设备红外图像用改进U-Net网络进行分割,提取故障点特征,然后用故障特征与原红外图像在改进FPN-Fuse网络中进行图像融合,达到强化故障点红外图像轮廓的目的。通过这种方式,既增强图像视觉效果完成故障定位,又极大保留了故障的细节信息。实验结果表明,本文算法相较于对比算法,SF平均提升7.83%,MI平均提升7.48%,AG平均提升10.62%,VIF平均提升8.38%。