- 专利标题: 基于深度学习的红外图像中劣化绝缘子的分割方法及装置
-
申请号: CN201911066307.0申请日: 2019-11-04
-
公开(公告)号: CN110992306B公开(公告)日: 2022-04-22
- 发明人: 武建华 , 张喆 , 裴少通 , 梁利辉 , 尹子会 , 赵志刚 , 耿三平 , 刘海峰 , 杨阳 , 尹河 , 刘云鹏
- 申请人: 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
- 申请人地址: 河北省石家庄市新华区钟盛路66号;
- 专利权人: 国网河北省电力有限公司检修分公司,华北电力大学(保定)
- 当前专利权人: 国网河北省电力有限公司检修分公司,华北电力大学(保定)
- 当前专利权人地址: 河北省石家庄市新华区钟盛路66号;
- 代理机构: 广州嘉权专利商标事务所有限公司
- 代理商 孙浩
- 主分类号: G06T7/00
- IPC分类号: G06T7/00 ; G06T7/11 ; G06T7/13
摘要:
本发明公开了基于深度学习的红外图像中劣化绝缘子的分割方法及装置,包括全卷积神经网络和多尺度特征融合两部分,利用全卷积神经网络模型对红外图谱中的劣化绝缘子进行自动提取以及学习劣化绝缘子的纹理、形状等特征,避免了传统分割模型对于复杂背景无法有效分离的弊端,避免了传统分割算法模型复杂的特征选择过程,通过FCN模型实现了端到端的特征提取的自主化与智能化。在减少人工电力巡检的工作量的同时,提高了巡检的效率和准确度,具有很大的实用性,十分符合复杂的现场环境。该自动分割和诊断方法,极大的减少了误检的情况,使得高压绝缘子劣化检测全自动巡检成为可能。
公开/授权文献
- CN110992306A 基于深度学习的红外图像中劣化绝缘子的分割方法及装置 公开/授权日:2020-04-10