| 刘建辉,祁亚峰.基于无人机巡检、深度学习和自适应阈值的设备发热问题检测方法[J].电工技术,2024(5):165-167 |
| 基于无人机巡检、深度学习和自适应阈值的设备发热问题检测方法 |
|
| |
| DOI：10.19768/j.cnki.dgjs.2024.05.041 |
| 中文关键词: 无人机巡检 红外热成像 深度学习 自适应阈值 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 449 |
| 全文下载次数: 0 |
| 中文摘要: |
| 提出了一种基于无人机巡检、深度学习和自适应阈值的设备发热问题检测方法。该方法首先利用无人机搭载红外热像仪和高清可见光摄像头，对设备进行巡检并获取红外热成像和可见光图像。接着，采用卷积神经网络（CNN）对红外热成像和可见光图像进行特征提取、融合和分类，以识别设备及检测发热问题。然后，通过收集设备历史温度数据和实时监测数据，采用自适应阈值算法动态调整设备发热问题的识别阈值。实验结果表明，该方法在设备发热问题检测方面具有较高的准确性和实用性。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 下载PDF阅读器 |
