模型世界2024，Issue(35) ：10-12.

基于深度学习网络的轻量级电力设备缺陷检测模型

林玉娟 邓芳明
模型世界2024，Issue(35) ：10-12.
✕
  • NETL
  • NSTL
  • 万方数据

基于深度学习网络的轻量级电力设备缺陷检测模型

林玉娟 1邓芳明2
扫码查看

作者信息

  • 1. 国网安徽省电力有限公司超高压分公司,安徽 合肥 230000
  • 2. 华东交通大学电气与自动化工程学院,江西 南昌 330013
  • 折叠

摘要

为满足电力设备缺陷检测中准确性和实时性的实际应用需求,本文以红外避雷器为研究对象,提出一种服务于电力设备缺陷检测的轻量级网络.骨干网络采用轻量级残差结构,为增强残差块的特征提取,引入了注意力机制;为赋予模型特征多尺度语义信息,多尺度特征融合网络采用特征金字塔对多尺度特征图进行融合;为获得更好的特征提取效果,设计了残差模块和注意力增强模块的融合网络.实验结果表明,该网络在提升缺陷检测性能的同时,仍保持了较低的硬件配置要求.

关键词

深度学习/缺陷检测/机器视觉/模型轻量化

引用本文复制引用

出版年

2024
模型世界
体育博览杂志社

模型世界

影响因子：0.004
ISSN：1008-8016
段落导航相关论文