基于热成像技术的电气设备目标检测方法

摘要

红外热像仪具有高精度、非接触等特点,在电力系统设备检测中得到了广泛的应用.检测热图像中的设备是自动检测和诊断的基础.为此,本文提出了一种基于深度学习的设备元件实时检测方法,采用一个深度卷积神经网络来预测每个设备部件的坐标、方位角和类别类型.为了提高预测结果的准确性,在模型中加入了零件间方向一致性的先验知识.为了进行评价,构造了一个包含各种场景的大图像集,实验结果表明,该方法对噪声具有很强的鲁棒性,当过并集阈值为0.5时,平均精度达到93.7％.