公开(公告)号：CN119887673A

公开(公告)日：2025-04-25

申请号：CN202411948047.0

申请日：2024-12-27

Applicant: 长春工程学院

Inventor： 王朝勇 ,  苏晓应 ,  刘红喜 ,  王健伍 ,  孙延风 ,  郎秋玲 ,  王超群 ,  王威 ,  蒲鹏帅 ,  杨以旭 ,  唐楚乔 ,  张子硕 ,  谢涛 ,  符坤豪

IPC: G06T7/00 ,  G06V10/774 ,  G06V20/70 ,  G06V10/82 ,  G06V10/764 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及接触器故障检测方法技术领域，尤其涉及一种基于深度学习模型的接触器故障无损自动检测方法，步骤一：采集若干接触器内部结构图像，通过对不同故障类型进行标记，获得带有标记的接触器图像数据集；步骤二：将所述带有标记的接触器图像数据集划分为训练集和测试集；步骤三：构建成CA‑YOLOv5模型；步骤四：获得训练完成的CA‑YOLOv5模型；步骤五：每张待检测接触器图像都在所述训练完成的CA‑YOLOv5模型中被标记故障类型预测框后输出。所述的一种基于深度学习模型的接触器故障无损自动检测方法能够有效识别接触器内部结构的故障类型，大幅提升接触器故障检测效率和准确性，能够节约了计算资源，促进节能减排，进而降低检测的经济成本。