摘要
本发明提供一种基于红外图像的电力设备发热缺陷检测方法,包括:采集输电线路巡检航拍图像;构建电力设备发热缺陷图像数据集;基于PyTorch框架搭建深度学习网络模型;预设的深度学习网络模型进行特征提取、特征融合与目标预测;对预设的深度学习网络模型进行优化;无人机搭载优化并训练好的深度学习网络模型,按照巡检任务进行图像采集和电力设备发热缺陷在线检测;或将无人机巡检输电线路的视频图像输入至深度学习网络模型,深度学习网络模型对红外数据中的发热电力设备进行离线检测,并输出检测结果。本发明以红外图像为研究对象,深度学习网络模型为工具,将训练好的深度学习网络模型部署在无人机上,实现输电线路中电力设备发热缺陷智能检测。
技术关键词
电力设备发热缺陷
深度学习网络模型
图像
输电线路巡检
金字塔网络
注意力机制
加权特征
无人机
空间金字塔
层级
级联
标注工具
红外相机
数据
航拍
离线
模块
系统为您推荐了相关专利信息
农药包装
分拣识别系统
图像处理模块
高清工业相机
图像采集模块
人格预测方法
量子优化算法
数据
图像特征向量
文本
模型训练方法
腐蚀检测方法
检测输电杆塔
样本
联合损失函数