一种基于深度学习模型的绝缘子自爆检测方法

扫码查看

原文链接

NSTL
万方数据

中文摘要：本发明公开了一种基于深度学习模型的绝缘子自爆检测方法，包括采集绝缘子图像，将绝缘子图像转化为单通道标注图，构建U?Net模型和CNN模型，用部分单通道标注图训练U?Net模型和CNN模型，通过训练的U?Net模型提高其余部分单通道标注图的像素精度，获得最优像素的掩膜图像，将掩膜图像输入训练后的CNN模型中，若CNN模型输出数值>0.5，则认为所述绝缘子没有发生自爆；否则，则认为所述绝缘子发生了自爆。采用本发明方法对绝缘子状态进行检测，可以有效减少人工工作量，提高识别效率和清晰度。

申请号：

CN202011485662.4

公开号：

CN112634216A

专利类型：

发明专利

申请日：

2020-12-16

公开日：

2021-04-09

IPC分类：

G06T7/00(2017.01)

申请人：

西安理工大学

发明人：

李宁、李贺、李俊、王晔琳、何复兴、王倩、朱龙辉

主申请人地址：

710048 陕西省西安市碑林区金花南路5号

国别省市代码：

中国(CN)