排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
变电站内电气设备数量众多,在工人进行现场作业时需要对工人佩戴安全帽进行监测。由于机器学习的安全帽佩戴检测方法常常出现漏检和误检的情况,为提高对安全帽佩戴识别的准确率,同时加快识别速度,提出了一种基于YOLOv5s的轻量化卷积神经网络模型。通过引入RepVGG模块对网络主干进行轻量化,在网络后处理阶段通过Soft-NMS降低遮挡目标漏检率,以Mixup数据增强来扩充数据集,建立样本之间的线性关系,提升训练模型泛化性能,最后进行消融实验。实验结果表明,改进的模型的均值平均精度(mAP)达到80.4%,推理速度达到了83.3 f/s,为变电站安全帽佩戴检测提供了有效参考。 相似文献
2.
3.
4.
变电站设备安全运行一体化检测技术中信息管理系统与运维业务之间数据融合度低,严重影响检测过程中故障定位精度,对此设计一种基于数据融合的变电站电气设备安全运行一体化检测技术。对采集到的电气设备运行数据中的缺失数据和异变的数据进行处理,完成数据融合前的预处理,建立数据融合故障诊断模型,结合最短距离法聚类树确定故障存在情况,通过计算明氏距离划分变电站电气设备安全运行扰动区域,根据故障扰动区域划分结果,检测故障,从而完成变电站电气设备安全运行中故障的精准定位。在实验中设计无NLOS传播和有NLOS传播2种场景下检测技术的定位精度,实验结果表明,与无NLOS传播相比,在有NLOS传播情况下定位精度稍差,但是2种场景下的定位误差均在合理范围内。 相似文献
6.
1