一种基于深度学习的电力设备缺陷检测识别方法

摘要

本发明涉及一种基于深度学习的电力设备缺陷检测识别方法，其包括对待具有油液渗漏缺陷的变电站设备进行拍照，构建变电站中设备油液渗漏图像数据集；对数据集进行数据增强以增加样本丰富度；基于Mobilenet‑SSD评判机制和变电站中设备油液渗漏图像数据集进行模型训练；将待检测变电站设备图像输入S3所得模型中，进行油液渗漏故障诊断识别。本发明在保证准确率和召回率在工程应用允许范围之内的同时，大大减小了模型的参数大小，提升了模型的计算效率，使其可以方便地部署到嵌入式计算平台中，为变电站设备油液渗漏的机器人巡检提供了新的思路和方法，对边缘计算在变电站运维中的应用具有一定的参考价值。