基于深度学习的变电站硬压板状态检测与识别算法

发布时间：2021-07-05 23:00

　　针对变电站的一键顺控停、送电操作不当将导致投退操作的问题,提出了一种基于深度学习的变电站硬压板状态检测与识别算法.使用一个共享网络提取图像特征,基于多任务学习方法建立3个分支联合解决硬压板位置检测、投切状态检测和标识检测这3个任务;采集标注了8 000张硬压板图片数据用于训练和测试.结果表明,所提出的方法能够在提升硬压板状态识别精度的同时,也提升一键顺控操作的安全性. 

【文章来源】：沈阳工业大学学报. 2020,42(06)北大核心

【文章页数】：5 页

【部分图文】：

硬压板检测与识别整体框架

由于硬压板与其下面的文字标识位置上存在关联关系，因此本文基于多任务学习的硬压板检测与识别网络，使用一个特征共享网络提取表达能力更强的特征，其具体架构如图2所示．图2中，f表示特征，conv block 64，/2表示含有64个通道的卷积层，并进行2倍下采样;up sampling表示上采样，×2为2倍上采样层;3×3表示卷积核大小为3×3;concat表示数组合并．特征共享网络使用Res Net-50作为基础网络，并使用特征金字塔结构(FPN)融合高、低分辨率的特征来整合全局与局部信息．特征融合过程满足

EAST检测分支架构

【参考文献】：
期刊论文
[1]基于一致性算法的智能电网储能单元分布式调度策略[J]. 胡诗尧,安佳坤,韩璟琳,孙鹏飞,刘雪飞.  沈阳工业大学学报. 2019(04)
[2]基于深度学习的输变电设备异常发热点红外图片目标检测方法[J]. 刘云鹏,裴少通,武建华,纪欣欣,梁利辉.  南方电网技术. 2019(02)
[3]基于深度卷积神经网络的输电线路可见光图像目标检测[J]. 周筑博,高佼,张巍,王晓婧,张静.  液晶与显示. 2018(04)
[4]变电运检一体运作模式研究与探索[J]. 张波.  浙江电力. 2016(10)
[5]基于深度学习的发电机故障挖掘方法研究[J]. 谢川.  电网与清洁能源. 2016(02)



本文编号：3266995