摘要
本发明公开了一种基于多尺度边缘感知网络的变电站检测方法,属于电力设备智能检测技术领域。通过设计多尺度边缘信息增强模块(PEA)和边缘增强模块(EdgeRefinementBlock),提升变电站设备的检测精度与鲁棒性。具体方案包括:采集并标注多场景变电站设备图像,构建数据集并进行预处理及数据增强;构建PEA‑YOLO11模型,利用PEA模块融合多尺度特征与边缘信息,结合EdgeRefinementBlock模块增强高频边缘细节;通过训练集优化模型参数,最终通过测试集评估模型性能。本发明的优点在于:实现自动化检测,显著提高检测效率;通过多尺度边缘感知与特征融合,提升复杂环境下设备检测的精度与鲁棒性;适用于变电站多种设备的精准识别与故障预警,为电力系统安全运行提供可靠保障。
技术关键词
变电站检测方法
变电站设备图像
神经网络模型
多尺度特征提取
采集变电站
融合多尺度特征
电力设备智能
图像数据预处理
训练集优化
标签
多层次特征
模块
鲁棒性
分支
系统为您推荐了相关专利信息
业务单据数据
神经网络模型
推送方法
智能算法
随机森林
氮氧化物排放量
等离子点火系统
锅炉
时间序列特征
神经网络模型
摄像设备
动作识别方法
神经网络模型
情绪特征
计算机程序产品