摘要
本发明提出了基于YOLOv10的10kV柱上设备缺陷检测方法,包括构建10kV柱上设备以及设备缺陷维修前后对比的两种样本数据集,构建YOLOv10与改进YOLOv10级联的神经网络结构;改进YOLOv10较YOLOv10基线模型添加了AKV复合模块以及动态特征采样模块;使用YOLOv10训练10kV柱上设备数据集;使用改进YOLOv10训练设备绝缘破损缺陷对比数据集;集成DeepSort对检测出的缺陷进行动态跟踪且使用无人机进行喷涂维修;对维修后的缺陷使用改进YOLOv10检测维修的有效性。帮助电网更准确、更快速检测出缺陷并及时对其进行维修,减少了人工巡检的工作量和风险。
技术关键词
设备缺陷检测
神经网络模型
破损缺陷
轨迹
复合模块
上采样
检测出缺陷
神经网络结构
卡尔曼滤波器
表达式
无人机巡检
动态
训练设备
设备识别
代表
数据
采样模块
基线
系统为您推荐了相关专利信息
运动状态参数
生成虚拟形象
构建虚拟形象
场景
时序
精度预测方法
混合神经网络模型
长短期记忆网络
节点特征
网架
三维点云数据
机器人
轮廓特征
喷码装置
生成栅格地图
追踪方法
视频帧
横向偏移量
数字医疗技术
电子设备
桥梁预应力
预应力钢筋张拉
桥梁模型
生死单元法
训练预测模型