一种基于深度学习的泛相机-通道系统中的新型弧度检测和识别方法
Yue Yan1, Hu Liu2, Linfeng Gan1
1School of Railway Transportation, Shanghai Institute of Technology, Shanghai, China.
Scientific reports
|January 28, 2025
概括
本研究介绍了ArcMSD,这是一种用于准确检测电力系统弧度的深度学习方法. 改进的Inception V3模型通过精确识别电弧,显著提高了安全性.
科学领域:
- 电气工程 电气工程
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 电气弧检测对于电力系统安全至关重要,可以防止火灾和设备损坏.
- 传统方法缺乏准确性和效率,特别是在实时监控中.
- 复杂的操作环境对现有的弧度检测技术构成挑战.
研究的目的:
- 提出一种先进的深度学习方法,用于准确和高效的弧度检测.
- 增强Inception V3模型,以提高电力系统监控的性能.
- 在精度和复杂性方面解决传统弧度检测方法的局限性.
主要方法:
- 开发了使用修改后的Inception V3深度学习模型的弧度多场景检测 (ArcMSD).
- 在Inception模块中内置导向,注意力和升级采样机制.
- 利用综合监督控制系统 (ISCS) 视频中的预处理图像进行培训.
主要成果:
- 该ArcMSD模型实现了95.4%的平均平均精度 (mAP).
- 改进的Inception V3表现出优越的弧形特征歧视和减少过度装配.
- 导航杆机制提高了不同尺寸弧形的检测效率.
结论:
- 拟议的ArcMSD方法在弧度检测准确性方面明显优于现有模型.
- 深度学习,特别是增强的Inception V3,为电力系统安全提供了强大的解决方案.
- 该方法对于实时监控和电力系统的高效运行是有效的.
