文献

J-GLOBAL ID：202102226844985804   整理番号：21A0109196

YOLOv3アルゴリズムに基づく碍子赤外線画像故障検出方法【JST・京大機械翻訳】

Infrared Image Fault Detection Method for Insulator Based on YOLOv3 Algorithm

著者 (5件)： Wu Jianhua (国网河北省電力有限公司検修分公司,河北石家庄050071) ,  Liang Lihui (国网河北省電力有限公司検修分公司,河北石家庄050071) ,  Ji Xinxin (華北電力大学,河北保定071003) ,  Liu Yunpeng (華北電力大学,河北保定071003) ,  Pei Shaotong (華北電力大学,河北保定071003)
資料名： Guangdong Dianli  (Guangdong Dianli)
巻： 33  号： 9  ページ： 77-84  発行年： 2020年 
JST資料番号： C4320A  ISSN： 1007-290X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 碍子は送電線に不可欠な設備として、電力系統の安全安定性の維持に重要な役割を果たしている。YOLOv3アルゴリズムに基づく碍子の赤外線画像故障検出法を,赤外線画像検出の下の碍子画像データによって研究する。ランダム回転角度、飽和度、露光度、色調などの前処理データにより、碍子赤外画像故障検出訓練画像データベースを構築した。YOLOv3のネットワークノード出力サイズを,K-meansクラスタリング訓練セットによって決定し,そして,Darknet-53ネットワークを基本フレームワークとして,訓練およびパラメータ調整を通して,モデルを確立した。テスト分析を通じて、0.01の訓練速度を用いて構築した赤外線故障検出モデルの識別信頼度は0.8127、誤検出率は0.0448、漏れ検出率は0.1768であり、赤外線画像中の碍子の故障発熱点を正確に判断でき、ある程度の工学的応用意義がある。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *赤外線 ,  *故障 ,  信頼度 ,  ネットワーク ,  送電線 ,  *碍子 ,  電力系統 ,  *故障検出 ,  飽和度 ,  クラスタ化 ,  光度 ,  *赤外線画像 ,  色相 ,  画像データベース

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： アルゴリズム ,  碍子 ,  赤外線画像 ,  故障 ,  検出方法