基于深度残差UNet网络的电气设备红外图像分割方法
Infrared Technology（2022）
摘要
红外图像处理是实现电气故障诊断的有效手段,而电气设备分割是故障检测的关键环节.针对复杂背景下红外图像电气设备分割难问题,本文采用深度残差网络与UNet网络相结合,深度残差网络替代VGG16对UNet网络进行特征提取和编码,构建深度残差系列Res-Unet网络实现对电气设备的分割.以电流互感器和断路器两种电气设备红外图像分割为例测试Res-Unet网络分割效果,并与传统的UNet网络和Deeplabv3+网络进行对比.通过对数量为876的样本进行测试,实验结果表明,Res18-UNet能够准确地分割电气设备,对电流互感器和断路器的分割准确率超93％,平均交并比大于89％,且分割准确性优于UNet及Deeplabv3+网络模型,为实现电气故障智能诊断奠定基础.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要