科研之友
微信
新浪微博
Facebook
分享链接
摘要
变电站缺陷检测诊断是保证电力安全生产的重要手段之一。针对变电站设备缺陷识别中现有方法鲁棒性较差、数据采集成本高、新类别泛化性差等问题，提出了一种改进孪生网络的变电站设备缺陷判别算法。该方法针对变电站内的可见光图片进行分析，网络结构中加入了特征金字塔结构增强多尺度信息，并使用欧式距离与K最近邻（KNN）算法进行特征相似性度量与分类，实现了对缺陷目标的有效识别与分类。且可在无须扩充数据集的条件下，依据实际应用场景扩充缺陷类型，有效提升了模型对新类别的泛化能力与实时检测能力，大幅降低了数据采集成本。建立了变电站可见光图片设备缺陷数据集，并在该数据集上进行大量训练，模型实验准确率达到91.25%，召回率达到95.36%，均比普通卷积神经网络提升35%左右。实验结果表明，该方法能有效提升变电站设备缺陷检测能力。
-
单位国家电网有限公司; 合肥科大智能机器人技术有限公司; 国网江西省电力有限公司
