一种基于知识蒸馏的轻量化输电线路绝缘子缺陷检测方法

    公开(公告)号:CN119228767A

    公开(公告)日:2024-12-31

    申请号:CN202411355542.0

    申请日:2024-09-27

    Applicant: 广西大学

    Abstract: 本发明公开了一种基于知识蒸馏的轻量化输电线路绝缘子缺陷检测方法,涉及智能电网运维技术领域。所述检测方法为:构建基于知识蒸馏的绝缘子缺陷检测模型,将实时采集到的绝缘子图像数据输入到基于知识蒸馏的绝缘子缺陷检测模型中,即得绝缘子缺陷检测结果;基于知识蒸馏的绝缘子缺陷检测模型包括:特征提取骨干网络、RPN层、ROI池化层、分类头和边界框回归头;特征提取骨干网络包括高斯蒙版蒸馏模块和非局部蒸馏模块,可根据任务中特定先验自适应将知识传递给学生。本发明基于知识蒸馏模块通过从一个较大的教师模型转移知识来训练一个较小的学生网络,在提升绝缘子缺陷识别精确度的同时,使其能够部署在计算性能较低的设备上,具有较强的实用性。

    一种基于KAN-YOLO网络的输电线路山火检测方法

    公开(公告)号:CN119229346A

    公开(公告)日:2024-12-31

    申请号:CN202411355539.9

    申请日:2024-09-27

    Applicant: 广西大学

    Abstract: 本发明公开了一种基于KAN‑YOLO网络的输电线路山火检测方法,涉及智能电网运维技术领域。所述检测方法是构建基于KAN‑YOLO网络的输电线路山火检测模型,将输电线路图像输入到模型中,得到山火事件推理结果;所述模型构建方法为:获取山火事故视频数据,将数据分割、分类,得到可供网络训练的图像数据集后,划分为训练集、验证集、测试集;预处理数据集;构建基于KAN‑YOLO网络的输电线路山火检测模型;使用训练集训练模型,使用验证集检验训练结果,得中间训练模型;使用测试集对中间训练模型进行性能评估,选取性能最优的模型,即得。相较于传统的YOLO模型,本发明的模型极大的提升了山火检测的识别精度,降低了误检率,提升了输电线路检修运维工作的效率,实用性强。

Patent Agency Ranking