基于卷积神经网络的主变压器外观缺陷检测方法
目前，变电设备状态检修技术主要是根据电压、电流等电气量和油温、油压等物理量来判断设备的运行状态[1]。随着变电站智能化程度的提升以及智能运检技术的逐步普及，开始出现利用图像识别、文本挖掘等人工智能技术辅助开展设备健康状态判断[2-3]。目前，变电站运维人员通常采用照相机、摄像机等手持终端设备对站内主要电气设备进行图像采集；除此之外，大量的巡检机器人、分布式摄像头已经布置于变电站，负责图像的采集和现场的监控。视觉图像能够反映设备存在的缺陷问题，通常包括漏油、锈蚀、断路器开合及零部件损坏等。然而，变电站设备数量众多，一方面需要有经验的运维人员来进行缺陷识别，另一方面单纯依赖人工，难以做到实时地或预防性地获取设备的缺陷状况。
- 2022-02-17
- 阅读134
- 下载0
- 18页
- docx
