Nov, 2023

弱监督下变电站设备故障的红外图像识别方法

PDF
TL;DR该研究提出了一种弱监督方法，用于识别变电站设备的红外图像中的故障。通过修改模型的网络结构和参数，利用更快的 RCNN 模型进行设备识别，提高了检测准确性。通过分析检查机器人在变电站捕获的红外图像来演示该方法。通过与手工标记结果验证性能，证明了所提算法能够显著提高对各种设备类型的故障识别精度。
发现论文，激发创造
  • 基于无监督语义分割的架空线缺陷识别

    该研究提出了一种基于 Faster RCNN 网络和无监督语义分割的新型缺陷识别框架，通过识别目标设备的类型和位置、利用语义分割区分设备和背景，并运用相似度度量和逻辑规则对缺陷进行分类，从而提高了空中线路中设备问题的准确性和适应性，为配电网络设备检测的自动化提供了新的视角。

    Nov, 2023

  • 变电站目标检测算法

    检测高压电力设备是确保电力供应可靠的有效方法，该论文提出了一种结合物体关系建模和 Transformer 模型的关系 Transformer 模型，通过在变电站的物体识别中展现出更好的性能，显著促进了自动化电力设备检测的发展。

    Sep, 2023

  • 基于改进的自注意力机制的高分辨率电力设备识别

    通过基于深度自注意力网络的创新方法，在自动化电气设备巡检方面提供了突破性的新视角，通过使用高分辨率图像提高了识别精度，并通过引入图像的语义内容来进一步改善了预测效果。

    Nov, 2023

  • 基于 GP-WGAN 和增强 Faster R-CNN 的稀有缺陷自动视觉检测框架

    本文提出了一种基于深度学习的两阶段故障诊断框架，第一阶段通过数据扩增增强图像处理性能，第二阶段则使用改进后的深度学习架构进行对象检测，在两个多类别数据集上的实验结果表明，该框架优于其他解决方案。

    May, 2021

  • 基于无监督深层 FCDD 的乡村铁路枕木腐朽检测

    本文提出了一种基于卷积神经网络（CNNs）的预测鉴别器流水线来自动分类损坏的铁路组件，使用一类分类方法，结合基于可视化的热图来判定铁路组件的损坏情况，并在预测性维护中提出了未来工作。

    May, 2023

  • 热成像图像中热损失识别的分割框架：为苏格兰改造和热像测量公司赋能

    使用深度学习方法基于热像图的分割框架，自动识别与剪裁导致能量损耗的热量损失源，并消除图像中的障碍物，从而减少人力繁重的任务，并提供自动化、一致且可靠的解决方案，以准确衡量苏格兰住宅中的能量损失。

    Aug, 2023

  • 电力建设过程中的目标识别算法

    通过红外成像技术，使用基于局部线性映射方法的颜色处理技术的新型目标识别算法，强调电力施工视频监控中的目标，并结合支持向量机方法实现目标类型的准确预测，实现了高目标识别准确率和低误识率的目标识别算法。

    Feb, 2024

  • 电力线路绝缘子自动检测的异常检测

    基于对象检测与异常检测的两阶段方法用于可靠检测绝缘子的故障，结果表明在较少的真实异常样本训练集下，该模型能够准确地识别绝缘子盘上的故障区域，但有一些错误预测。

    Nov, 2023

  • 基于深度学习分类器的图像新型故障检测与分级标签

    现代故障分类系统中的一个重要特征是在面对以前未见过的故障类型时能够警示系统。本文考虑了基于深度神经网络的故障分类器的未知故障检测能力。具体而言，我们提出了一种方法，即在可用的情况下，使用有关故障分类法（fault taxonomy）的标签来提高未知故障检测性能，而不损失模型性能。为实现这一目的，我们提出利用软标签技术来改进先进的深度新颖故障检测技术，并提出用于在线新颖故障检测的层次一致的检测统计量。最后，我们在热轧钢生产过程中的检测图像中展示了对新颖故障检测的提高性能，结果在多个场景和基准检测方法中得到了良好的复制。

    Mar, 2024

  • 使用深度学习进行 X 射线图像中非法物品的视觉检查

    自动检测 X 射线图像中的违禁物品可以显著增加公共安全，提高机场、地铁、海关 / 邮局等地的安全人员的工作效率，并减轻其心理负担。研究表明，变压器检测器优越于过去几年为安全应用开发的辅助神经模块和 CSP-DarkNet 骨干卷积神经网络十分高效。

    Oct, 2023