摘要
本发明涉及一种基于深度学习的配电线路检测方法,包括以下步骤:S1:收集配电线路的正常和故障图像,使用无人机设备采集不同视角、不同光照条件下的图像,利用数据增广和合成技术扩充数据集;S2:在扩充后的数据集上应用自监督学习方法进行初步特征学习;S3:基于EfficientDet和Transformer构建配电线路检测模型S4:基于训练数据集训练配电线路检测模型,使用One‑Cycle Policy调节学习率,快速进入最佳学习阶段并防止过拟合,并使用Warmup策略优化初始阶段的学习过程;S5:采用模型剪枝和量化技术,得到最终的配电线路检测模型;S6将最终的配电线路检测模型部署在无人机设备上,实现现场实时故障检测和反馈。本发明能够大幅提高检测效率和准确性,并能有效应对多样化的环境变化和设备限制。
技术关键词
线路检测方法
无人机设备
模型剪枝
监督学习方法
协方差矩阵
随机噪声
阶段
线路检测系统
网络深度
样本
特征金字塔网络
数据分布
代表性图像
故障检测
神经网络参数
浮点数
策略
系统为您推荐了相关专利信息
预警模型
指标
管控方法
构建网络拓扑结构
网络性能数据
高斯混合模型
多传感器
点云
协方差矩阵
标定方法
电厂制水系统
数学模型
计算机可执行指令
传感器
混合卷积神经网络