摘要
本发明公开了基于深度卷积神经网络的输电线路覆冰厚度检测方法,具体包括:对输电线路进行图像数据采集,并对图像进行人工标注;对人工标注后的图像进行预处理,生成数据集,并按照比例划分为训练集、验证集和测试集;选取深度卷积神经网络模型;并对深度卷积神经网络模型使用训练集进行训练、使用验证集进行评估、使用测试集进行测试,得到输电线路覆冰厚度检测模型;部署输电线路覆冰厚度检测模型至云端服务器或边缘计算设备中,对输电线路进行覆冰厚度检测。本发明基于深度卷积神经网络的输电线路覆冰厚度检测方法,解决了现有技术中存在的检测效率低、准确性差、成本高的问题。
技术关键词
深度卷积神经网络
覆冰
全局平均池化
云端服务器
无线网络传输
生成数据集
训练集
注意力
图像增强
线路
图像采集设备
模块
通道
滤波
尺寸
损失率
系统为您推荐了相关专利信息
轻量化无人机
上采样
无人机航拍图像
采样模块
特征金字塔
事件流
空间特征提取
事件相机
序列
深度神经网络
门控循环单元网络
时间卷积网络
多层感知机
时序特征
子模块
权重分配机制
多源数据协同
跨模态
全局平均池化
注意力
在线迁移学习
车辆故障诊断方法
车辆故障诊断系统
贝叶斯分类器
云端服务器