公开(公告)号：CN118115433A

公开(公告)日：2024-05-31

申请号：CN202410007747.3

申请日：2024-01-03

申请人： 浙江武义电气安装工程有限公司

发明人： 梅隽亮 ,  何韶华 ,  何渊 ,  唐函侃 ,  罗帆 ,  熊庄 ,  廖原 ,  何宇强 ,  王文哲 ,  何智豪 ,  胡瑞 ,  安晓

IPC分类号： G06T7/00 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/764 ,  G06T7/136 ,  G06T7/194

摘要： 本发明公开了一种基于深度学习的电力设备缺陷检测识别方法，所述识别方法如下：步骤一：通过红外热像仪拍摄电力设备的红外图像；步骤二：对红外图像进行处理；步骤三：处理后的红外图像输入到卷积神经网络模型中，对电力设备缺陷进行分类；步骤四：根据卷积神经网络模型的输出结果，合成缺陷成像图；步骤五：将缺陷成像图上传至监控后台，发出报警信号；步骤六：若该缺陷信号为以往监测到的信号，则与过往信号比对，给出该缺陷位置以及变化趋势，做出诊断结论；本发明的有益效果是：本发明实现了变电站智能识别分类电力设备缺陷的功能，提高了电力设备的运行安全性、稳定性和精准；同时，本发明还可以应用于其他需要自动分类和识别的领域。