基于改进Faster R-CNN的电力检修工程智慧监测

TP183; 提出一种改进Faster R-CNN的目标检测模型用于智能化电力检修工程,构建了电力检修设备的数据集,并对其进行了数据清洗和数据增强.为了提高模型对被物体在遮挡以及复杂背景情况的识别能力,在模型中嵌入了精心设计的ESAM注意力模块,优化了模型的特征提取能力.ESAM注意力模块通过多尺度处理和跨空间学习方法,在保持计算效率的同时,能够更好地捕捉和利用图像特征中的重要信息,从而提高模型的整体性能.设计了多组实验并可视化模型效果,实验结果进一步验证了模型的有效性.该研究对于提高电力检修工作的效率和质量,保障电力系统的安全运行,从而支撑"双碳"目标的实现,具有一定的理...

Full description

Saved in:
Bibliographic Details
Published in华南师范大学学报（自然科学版） Vol. 56; no. 4; pp. 60 - 67
Main Authors 唐小煜, 罗杰豪, 黄声勇
Format Journal Article
LanguageChinese
Published 华南师范大学电子与信息工程学院,佛山 528000%华南师范大学数据科学与工程学院行知书院,汕尾 516600%广东电网有限责任公司汕尾供电局,汕尾 516600 2024
Subjects
power maintenance
data augmentation
multiscale processing
"Dual Carbon"policy
数据增强
"双碳"政策
多尺度处理
电力检修
Online AccessGet full text
ISSN1000-5463
DOI10.6054/j.jscnun.2024051

Cover

More Information
Summary:TP183; 提出一种改进Faster R-CNN的目标检测模型用于智能化电力检修工程,构建了电力检修设备的数据集,并对其进行了数据清洗和数据增强.为了提高模型对被物体在遮挡以及复杂背景情况的识别能力,在模型中嵌入了精心设计的ESAM注意力模块,优化了模型的特征提取能力.ESAM注意力模块通过多尺度处理和跨空间学习方法,在保持计算效率的同时,能够更好地捕捉和利用图像特征中的重要信息,从而提高模型的整体性能.设计了多组实验并可视化模型效果,实验结果进一步验证了模型的有效性.该研究对于提高电力检修工作的效率和质量,保障电力系统的安全运行,从而支撑"双碳"目标的实现,具有一定的理论意义和实际价值.
ISSN:1000-5463
DOI:10.6054/j.jscnun.2024051