雖然深度學習在圖像檢測領(lǐng)域取得了長足進步,但是由于變電站設(shè)備巡檢圖像背景復雜,導致了缺陷診斷面臨一定的困難。本文提出了一種基于深度學習和超分辨技術(shù)的缺陷檢測算法,一方面是鎖定目標區(qū)域,聚焦檢測設(shè)備,去除不相關(guān)的圖像信息,大幅降低了圖像有效信息的損失;另一方面是對檢測設(shè)備進行超分辨率重建,提升分辨率,保證用于滲漏油缺陷檢測的圖像質(zhì)量、像素信息的完整性。通過實驗數(shù)據(jù)證明,該算法識別結(jié)果較其他算法有很大的提升,從而驗證了該算法的優(yōu)越性。

【文章頁數(shù)】：4 頁

【文章目錄】：
1 超分辨率重建技術(shù)
2 基于深度學習的超分辨率重構(gòu)圖像診斷算法
    2.1 Faster-RCNN的充油設(shè)備檢測
    2.2 改進的ESR-GAN的圖像超分辨率重建
    2.3 基于Mask-RCNN的滲漏油缺陷檢測算法
3 實驗結(jié)果分析
    3.1 評價指標
    3.2 對比實驗分析
4 結(jié)語



本文編號：3789859