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
2
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
融合定位算法的YOLO-V4模型实现电力杆塔状态评估
1
作者
阮远峰
郭建武
蔡金涛
《电工技术》
2023年第13期32-34,40,共4页
针对电网线路在使用中经常出现断杆、倒杆现象,而现有的技术性检测方式已不能满足要求的问题,给出了一种新的电力杆塔状态评估方法,并建立了改善的YOLO-V4模型,以实现电力杆塔的状态精准定位。CSPDarknet-53模型试验说明,该方法能精准...
针对电网线路在使用中经常出现断杆、倒杆现象,而现有的技术性检测方式已不能满足要求的问题,给出了一种新的电力杆塔状态评估方法,并建立了改善的YOLO-V4模型,以实现电力杆塔的状态精准定位。CSPDarknet-53模型试验说明,该方法能精准定位电力杆塔故障点,偏差小。
展开更多
关键词
电网线路
状态评估
yolo-v4模型
CSPDarknet-53特征
目标检测
下载PDF
职称材料
改进型YOLO-V4模型的电力杆塔状态评估探索
被引量:
2
2
作者
张宝星
毕明利
张壮领
《信息技术》
2021年第8期81-86,91,共7页
针对电网线路存在倒杆、断杆现象以及现有技术巡检方式落后的问题,提出一种新型的电力杆塔状态评估方法,构建出能够实现电力杆塔位置定位的评估方法,并引入电力杆塔检测的YOLO-V4模型深度学习算法,该算法模型包括53个卷积层,具有大量的...
针对电网线路存在倒杆、断杆现象以及现有技术巡检方式落后的问题,提出一种新型的电力杆塔状态评估方法,构建出能够实现电力杆塔位置定位的评估方法,并引入电力杆塔检测的YOLO-V4模型深度学习算法,该算法模型包括53个卷积层,具有大量的3*3、1*1的卷积核,该算法还具有Darknet-53特征提取网络、多尺度融合特征网等,通过评价函数对所应用的YOLO-V4目标检测网络的损失进行检测。试验表明,YOLO-V4模型深度学习算法引入GIoU指标后,相比普通状况平均精度(AP)从97.12%提高到98.94%,准确率(Precision)从94.5%提高至95.6%,召回率(Recall)从97.5%提高至99.2%。
展开更多
关键词
电网线路
状态评估
yolo-v4模型
Darknet-53特征
目标检测
下载PDF
职称材料
题名
融合定位算法的YOLO-V4模型实现电力杆塔状态评估
1
作者
阮远峰
郭建武
蔡金涛
机构
国网浙江省电力有限公司德清县供电公司
出处
《电工技术》
2023年第13期32-34,40,共4页
文摘
针对电网线路在使用中经常出现断杆、倒杆现象,而现有的技术性检测方式已不能满足要求的问题,给出了一种新的电力杆塔状态评估方法,并建立了改善的YOLO-V4模型,以实现电力杆塔的状态精准定位。CSPDarknet-53模型试验说明,该方法能精准定位电力杆塔故障点,偏差小。
关键词
电网线路
状态评估
yolo-v4模型
CSPDarknet-53特征
目标检测
Keywords
power grid line
state evaluation
yolo-v
4
model
CSPDarknet-53 feature
target detection
分类号
TM73 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
改进型YOLO-V4模型的电力杆塔状态评估探索
被引量:
2
2
作者
张宝星
毕明利
张壮领
机构
广东电网有限责任公司
出处
《信息技术》
2021年第8期81-86,91,共7页
基金
广东电网有限责任公司科技项目(GDKJXM20184286)。
文摘
针对电网线路存在倒杆、断杆现象以及现有技术巡检方式落后的问题,提出一种新型的电力杆塔状态评估方法,构建出能够实现电力杆塔位置定位的评估方法,并引入电力杆塔检测的YOLO-V4模型深度学习算法,该算法模型包括53个卷积层,具有大量的3*3、1*1的卷积核,该算法还具有Darknet-53特征提取网络、多尺度融合特征网等,通过评价函数对所应用的YOLO-V4目标检测网络的损失进行检测。试验表明,YOLO-V4模型深度学习算法引入GIoU指标后,相比普通状况平均精度(AP)从97.12%提高到98.94%,准确率(Precision)从94.5%提高至95.6%,召回率(Recall)从97.5%提高至99.2%。
关键词
电网线路
状态评估
yolo-v4模型
Darknet-53特征
目标检测
Keywords
power grid line
state evaluation
yolo-v
4
model
Darknet-53 feature
target detection
分类号
TM73 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合定位算法的YOLO-V4模型实现电力杆塔状态评估
阮远峰
郭建武
蔡金涛
《电工技术》
2023
0
下载PDF
职称材料
2
改进型YOLO-V4模型的电力杆塔状态评估探索
张宝星
毕明利
张壮领
《信息技术》
2021
2
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