基于深度自注意力网络和多因素相似度计算的变电站设备红外图像自动识别方法

红外图像识别是电力设备巡检任务中的关键步骤.现有技术的局限性包括手动选择的不可转移和可解释的特征,以及有限的训练数据.针对这些问题,本文提出了一种自动红外图像识别框架,包括基于深度自注意力网络的物体识别模块和基于多因素相似度计算的温度分布识别模块.首先,使用多头注意力编码-解码机制从输入图像中提取和嵌入特征.然后,嵌入特征用于预测设备组件类别和位置.对于定位区域,进行初步分割.最后将相似区域逐步合并,得到设备的温度分布,判断是否存在故障.与该任务中的相关工作相比,实验表明所提方法的准确性显着提高,为电力设备检测自动化技术提供了很好的参考....

Full description

Saved in:
Bibliographic Details
Published in全球能源互联网（英文版） Vol. 5; no. 4; pp. 397 - 408
Main Authors 李曜丞, 许永鹏, 胥明凯, 王思源, 谢志成, 李喆, 江秀臣
Format Journal Article
LanguageChinese
Published 2022
Subjects
深度自注意力网络
多因素相似度计算
Multi-factor similarity calculation
Substation equipment
Infrared image intelligent recognition
变电站设备
Deep self-attention network
红外图像智能识别
Online AccessGet full text

Cover

More Information
Summary:红外图像识别是电力设备巡检任务中的关键步骤.现有技术的局限性包括手动选择的不可转移和可解释的特征,以及有限的训练数据.针对这些问题,本文提出了一种自动红外图像识别框架,包括基于深度自注意力网络的物体识别模块和基于多因素相似度计算的温度分布识别模块.首先,使用多头注意力编码-解码机制从输入图像中提取和嵌入特征.然后,嵌入特征用于预测设备组件类别和位置.对于定位区域,进行初步分割.最后将相似区域逐步合并,得到设备的温度分布,判断是否存在故障.与该任务中的相关工作相比,实验表明所提方法的准确性显着提高,为电力设备检测自动化技术提供了很好的参考.
ISSN:2096-5117
DOI:10.1016/j.gloei.2022.08.006