摘要
本发明公开了一种基于YOLOv7‑OBB模型的高压变电站智能巡检方法及相关系统,获取高压变电站的图像数据和巡检设备的位置信息;根据变电站图像中的设备和物体制作带有标注和标签的训练图像数据集,构建改进的YOLOv7‑OBB模型的卷积神经网络提取数据,输入待检测的变电站巡检图像,使用训练好的改进的YOLOv7‑OBB模型的卷积神经网络对待检测物体进行识别,并获得对应的位置信息。输出预测图像,完成检测。本发明具有较高的鲁棒性,可对变压器、电缆、绝缘子等物体进行识别,有助于提高巡检效率和准确性,确保电力系统的安全运行。
技术关键词
高压变电站
智能巡检方法
卷积神经网络提取
训练图像数据
神经网络单元
巡检设备
变电站巡检
智能巡检系统
旋转矩形框
物体
通信接口
巡检图像
上采样
残差学习
卡尔曼滤波
标签
处理器
系统为您推荐了相关专利信息
航天设备
特征分析方法
路径特征
策略
导航系统数据
睡眠状态检测方法
采集单元
视觉特征
音频特征
序列
锂电池荷电状态
预测装置
卷积神经网络提取
可调谐光纤
深度学习模型
建立多元回归模型
卷积神经网络提取
监测预警方法
彩色掩膜
图像
高维特征向量
信息处理方法
支持向量机算法
卷积神经网络提取
分类边界