摘要
本发明属于设备红外检测技术领域,具体涉及基于卷积神经网络和图像识别的设备红外检测方法及装置;包括S1、利用温度场显示设备上温度的分布情况,分析计算机视觉领域的目标检测算法,构建异常区域任务数据集;S2、基于卷积神经网络的红外温度检测技术,进行图像增强和自动定位识别异常区域;S3、利用图像识别技术自动定位识别电力设备红外检测图像的异常区域与设备类别,形成电力设备的状态评估结果;本发明的基于卷积神经网络和图像识别的设备红外检测方法,解决现有电力巡检设备在红外检测过程中面临的问题,及早发现电力设备的隐患或故障,使得设备可以及时修复,避免了设备损坏的进一步扩大,提高检测效率,降低检测成本。
技术关键词
红外检测方法
电力设备红外
识别电力设备
温度检测技术
图像增强
计算机视觉
图像识别技术
计算机程序指令
红外热成像设备
Gamma校正方法
数据
显示设备
卷积神经网络学习
CNN网络结构
探测物体表面
电力巡检设备
红外检测技术
红外传感器
系统为您推荐了相关专利信息
决策系统
车辆状态数据
语义
视觉特征
网络更新过程
电子连接器
缺陷视觉检测方法
针脚密度
三维模型
检测点
可见光图像
全局平均池化
通道注意力机制
融合方法
语义特征提取
低压开关
绝缘电阻值
缺陷检测方法
外壳
缺陷检测系统
车辆入侵检测方法
实时视频流
深度学习训练
车辆入侵检测装置
框架