基于深度学习网络的轻量级电力设备缺陷检测模型

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：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。

作者：

林玉娟、邓芳明

展开 >

作者单位：

国网安徽省电力有限公司超高压分公司,安徽合肥 230000

华东交通大学电气与自动化工程学院,江西南昌 330013

关键词：

深度学习缺陷检测机器视觉模型轻量化

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

年,卷(期)：2024.(35)