摘要
基于PRPD谱图的轻量化YOLOv8n模型局部放电类型检测与分类方法,旨在解决现有技术中局部放电类型检测精度低、模型复杂度高、计算量大及实时性差等问题;本发明通过收集尖端、气隙、悬浮和沿面四种典型局部放电类型的PRPD谱图,进行归一化、灰度处理及数据增强扩充等预处理,并利用LabelImg平台进行标注,随后对YOLOv8n模型进行轻量化改进,采用ShuffleNet‑V2作为主干特征提取网络,引入CoordAttention机制增强特征提取能力,并应用EIOU损失函数优化目标框回归精度;提高了局部放电类型的检测与分类精度,同时降低了模型计算复杂度和参数量,实现实时检测,具有重要的实际应用价值。
技术关键词
分类方法
标注平台
电力系统现场
识别电力设备
损失函数优化
特征提取能力
梯度下降算法
网络结构
全局平均池化
特征提取网络
放电特征
训练集
机制
复杂度
数据
气隙
精度
超参数
系统为您推荐了相关专利信息
神经网络模型
样本
分类方法
训练装置
文本分类模型
生成方法
姿态先验
强化学习算法
人体模型
力反馈
高分遥感影像
场景分类方法
多尺度特征融合
注意力机制
全局平均池化
倾斜监测方法
杆塔结构
点云
三维模型
趋势预测模型