基于改进YOLOv3的避雷器红外图像故障检测方法
Infrared Technology(2023)
摘要
针对现有的金属氧化物避雷器(Metal Oxide Arrester,MOA)红外图像故障检测方法存在识别精度低、检测速度较慢的问题,提出一种基于改进YOLOv3 的MOA红外图像故障检测方法.首先,以Darknet19 网络代替YOLOv3 原始的Darknet53 网络,并在特征学习时针对样本中不同MOA长宽比例,通过K-means聚类算法对MOA图像中的目标帧进行分析,重新聚类样本中心锚点框,得到合适的锚框数目和大小.最后,利用改进YOLOv3 模型完成MOA红外图像故障检测.实验结果表明,改进的YOLOv3模型识别精度达到 96.3%,识别速度为 6.75 ms.
更多关键词
metal oxide arrester,YOLOv3,deep learning,infrared image,K-means clustering
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要