华北电力大学研究生网站，华北电力大学官网研究生院

本内容由小编为大家分享关于研究生招生简章、考研分数线、考研调剂、考研真题资料等信息。

华北电力大学研究生院，华北电力大学研究生院官网

中国电工技术学会活动专区

CES Conference

阅读提示：本文约 1700 字

基于无人机和巡检机器人搭载的多光谱成像检测是高压设备非接触检测的发展趋势，而主要电气设备的识别是其绝缘状态智能诊断的基础。新能源电力系统国家重点实验室（华北电力大学）、河北省输变电设备安全防御重点实验室（华北电力大学）的研究人员律方成、牛雷雷、王胜辉、谢庆、王子豪，在2021年第22期《电工技术学报》上撰文，基于YOLOv4，搭建了五种主要电气设备识别平台，提出了网络的改进方法，并对其调参方法进行了研究。研究成果可用于多光谱成像电气设备运行状态的现场诊断。

绝缘子、金具等是电网输变电设备的重要组成部分，及时掌握其绝缘水平和运行状态对电力系统的安全稳定运行至关重要。目前电网主要采用的人工巡检方式耗时费力，且无法及时全面地掌握主要电气设备的外绝缘状态。基于无人机和巡检机器人搭载的可见光、紫外和红外图像信息是高压设备热、电参量非接触检测的重要手段和发展趋势，而绝缘子等主要电气设备的识别是对其进行综合诊断以实现其绝缘状态判别的基础。

实现绝缘子等高压设备图像识别思路主要有机器学习方式和深度学习方式。前者主要针对电气设备的形状和纹理特征进行设计，优点为针对性强、特征具有可解释性，缺点为检测鲁棒性差，对目标的拍摄角度等要求较高；后者通过卷积算法自动提取目标抽象化特征，实现端到端图像识别，其识别精度高，泛化能力好，识别速度快，但对样本需求量大，可解释性差。随着无人机和机器人巡检方式的推广，现场将产生大量高压设备检测视频和图片，基于此，华北电力大学律方成教授团队在本次研究中采用了深度学习方式。

深度学习的概念是在由G官方域名 《电气技术》：010-63256943 邮箱：dianqijishu@126.com 编务：010-63256994；订阅：010-63256817 广告合作：010-63256867/6838

华北电力大学研究生院(华北电力大学研究生院官网)

zhaoSheng.net【考研招生网】汇集全国,名牌大学院校考研信息,研招网,考研经验,复习资料,考研调剂,录取分数线,考研真题,专业目录,考研辅导班,考研成绩查询等高校招生信息。