刊名：智能城市
曾用名：现代生活用品
主办：辽宁省科学技术情报研究所
主管：辽宁省科学技术厅
ISSN：2096-1936
CN：21-1602/N
语言：中文
周期：半月刊
影响因子：0
被引频次：9440
数据库收录：
国家哲学社会科学学术期刊数据库;期刊分类：自科综合
期刊热词：
施工技术,建筑工程,城市,高速公路,建筑,施工管理,水利工程,智慧城市,建筑设计,大数据,施工技术,建筑工程,施工管理,大数据,城市,公路工程,物联网,城市轨道交通,BIM技术,人工智能,智慧城市,智能建筑,BIM技术,城市,BIM,城市建设,物联网,智能化,智能设计,城市规划,
现在的位置：主页 > 期刊导读 >
电力工业论文_基于优化YOLOv4的主要电气设备智
【作者】网站采编
【关键词】
【摘要】文章摘要:基于无人机和巡检机器人搭载的多光谱成像检测是高压设备非接触检测的发展趋势，而主要电气设备的识别是其绝缘状态智能诊断的基础。该文建立了绝缘子、均压环、防振锤
文章摘要:基于无人机和巡检机器人搭载的多光谱成像检测是高压设备非接触检测的发展趋势，而主要电气设备的识别是其绝缘状态智能诊断的基础。该文建立了绝缘子、均压环、防振锤、套管和导线训练和测试数据库；基于YOLOv4，改进了Mosaic数据扩充算法，使网络误差降低了0.7，识别准确度提高到84.3%；研究了基于边界框回归的交并比（IoU）算法对不同尺度检测目标的影响，提出了对大、小目标分别采用CIoU和GIoU的训练策略；研究了K-means和分层聚类算法对自建数据库的标注值宽高数据聚类效果及检测结果的影响；基于误差、识别准确度和训练速度，研究并优化了YOLOv4的网络参数，改进后的模型训练误差降低了3%，识别准确度提高了0.8%，较好地实现了主要电气设备的识别。该研究可用于多光谱成像电气设备运行状态的现场诊断。
文章关键词:
论文DOI:10.19595/j.cnki.1000-6753.tces.201595
论文分类号:TM50;TP391.41
文章来源：《智能城市》 网址: http://www.zncszz.cn/qikandaodu/2021/1016/1910.html