期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
智能检测技术支持下的输电线路外破点位快速精准识别分析
1
作者
郎梦
《电子制作》
2024年第12期79-81,共3页
本研究基于改进YOLOv5的智能检测技术,实现输电线路外破点位的快速精准识别。针对户外复杂环境下输电线路外破隐患检测的挑战,提出结合领域自适应和注意力机制的算法优化策略,以提高检测的准确性和鲁棒性。首先通过集成卷积块注意力模...
本研究基于改进YOLOv5的智能检测技术,实现输电线路外破点位的快速精准识别。针对户外复杂环境下输电线路外破隐患检测的挑战,提出结合领域自适应和注意力机制的算法优化策略,以提高检测的准确性和鲁棒性。首先通过集成卷积块注意力模块增强特征提取能力,以应对复杂背景干扰。同时,采用多尺度特征域自适应策略,结合域自适应神经网络策略,通过迁移学习实现跨域检测。此外,对传统的非极大值抑制方法进行改进,引入DIOU-NMS以提升多类别检测性能。改进后的算法在精度、召回率和平均精度均值(mAP)等指标上均优于传统YOLOv5算法。具体来说,精度从86.7%提升至92.7%,mAP从82.7%增至92.2%,召回率也从82.7%提高至86.9%。模型整体性能的提升表明了改进措施的有效性,为输电线路外破隐患的智能检测提供高效且准确的解决方案。
展开更多
关键词
YOLOv5
输电线路
外破点位识别
下载PDF
职称材料
题名
智能检测技术支持下的输电线路外破点位快速精准识别分析
1
作者
郎梦
机构
淮安三新供电服务有限公司
出处
《电子制作》
2024年第12期79-81,共3页
文摘
本研究基于改进YOLOv5的智能检测技术,实现输电线路外破点位的快速精准识别。针对户外复杂环境下输电线路外破隐患检测的挑战,提出结合领域自适应和注意力机制的算法优化策略,以提高检测的准确性和鲁棒性。首先通过集成卷积块注意力模块增强特征提取能力,以应对复杂背景干扰。同时,采用多尺度特征域自适应策略,结合域自适应神经网络策略,通过迁移学习实现跨域检测。此外,对传统的非极大值抑制方法进行改进,引入DIOU-NMS以提升多类别检测性能。改进后的算法在精度、召回率和平均精度均值(mAP)等指标上均优于传统YOLOv5算法。具体来说,精度从86.7%提升至92.7%,mAP从82.7%增至92.2%,召回率也从82.7%提高至86.9%。模型整体性能的提升表明了改进措施的有效性,为输电线路外破隐患的智能检测提供高效且准确的解决方案。
关键词
YOLOv5
输电线路
外破点位识别
分类号
TM75 [电气工程—电力系统及自动化]
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
智能检测技术支持下的输电线路外破点位快速精准识别分析
郎梦
《电子制作》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部