面向电力巡检的轻量化目标检测与故障识别方法研究

作     者：袁逸凡 周子纯 张铖 丁忠林 黄永明 YUAN Yifan;ZHOU Zichun;ZHANG Cheng;DING Zhonglin;HUANG Yongming

作者机构：东南大学信息科学与工程学院江苏南京211111 紫金山实验室江苏南京211111 国网电力科学研究院有限公司江苏南京211100 

基　　金：国家电网有限公司总部管理科技项目资助“电力5G标准化模组技术研究”(5700-202040377A-0-0-00) 

出 版 物：《电力信息与通信技术》 (Electric Power Information and Communication Technology)

年 卷 期：2022年第20卷第8期

页      码：29-37页

摘      要：目前电力巡检的2个基本需求是硬件资源占用率低和实时检测速率高,然而现有技术仍面临计算成本与检测速率的挑战,因此基于YOLO系列目标检测算法,设计了可在轻量化平台上部署的网络模型Power Net。Power Net中设计了轻量化特征提取模块Shuffle CSP和特征图感知融合模块Fuse,取得了检测速率与精度的良好折中。最终的模型可达到76.8%的平均准确率,且参数量和浮点运算次数仅有5.5 M和12.8 G,在TESLA V10016 GB GPU和Intel i5-8400 CPU上的检测速度分别达到200~400 fps和2~5 fps,符合实时检测的要求。

主 题 词：电力巡检 目标检测 故障识别 YOLOv4 深度学习 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.16543/j.2095-641x.electric.power.ict.2022.08.003

馆 藏 号：203114081...