Results 101 to 110 of about 384 (118)
Some of the next articles are maybe not open access.
基于无人机影像深度学习算法的输电线路主要缺 陷智能识别技术和应用研究
Carbon Neutralization and New Power Systems, 2023摘要：使用无人机对输电线路进行精细化巡检可以显著提高作业效率，采用单阶段深度学习目标检测算法可以快速从海量无人机图像中识别出线路缺陷，进一步提高线路运维效率。该文使用 Yolov5 目标检测算法，利用无人机搭载光学相机获取的可见光照片进行输电线路主要缺陷智能识别，实现对绝缘子、金具、导线等主要缺陷的检测。研究表明，该文的模型平均精度均值达到 93%，平均召回率 96%。该文提出可泛化的输电线路多缺陷检测模型，研发基于无人机影像深度学习算法的输电线路主要缺陷智能识别软件，为开展输电线路的快速智能巡检 ...
阳 张 +8 more
semanticscholar +1 more source
Mask R-CNN and multifeature clustering model for catenary insulator recognition and defect detection
Journal of Zhejiang University: Science A, 2022Rod insulators are vital parts of the catenary of high speed railways (HSRs). There are many different catenary insulators, and the background of the insulator image is complicated. It is difficult to recognise insulators and detect defects automatically.
Ping Tan +7 more
semanticscholar +1 more source
Zhongguo fei ai za zhi = Chinese journal of lung cancer, 2013
患者,男,57岁,河北省衡水市景县人,于2012年10月11 日收入河北医科大学第四医院肿瘤内科诊治。入院前2月 患者因受凉出现咳嗽,咳白色稀痰,伴胸闷、胸痛、气短、 乏力,平卧位时症状加重。无痰中带血及咯血,无发热盗 汗,无声嘶。口服感冒药及静脉输注消炎药(具体不详)后 无明显缓解,就诊于景县人民医院,胸部CT检查提示:右 肺中叶团块状软组织密度影,边缘欠清;右肺炎症;右侧 胸腔积液(图1)。未行正规治疗,1月前就诊于河北医科大 学第四医院胸外科,胸水脱落细胞学检查:找到癌细胞, 考虑肺腺癌。行顺铂 ...
Jin Zhao, Da Jiang, Rongfeng Liu, Xin Li
semanticscholar +1 more source
患者,男,57岁,河北省衡水市景县人,于2012年10月11 日收入河北医科大学第四医院肿瘤内科诊治。入院前2月 患者因受凉出现咳嗽,咳白色稀痰,伴胸闷、胸痛、气短、 乏力,平卧位时症状加重。无痰中带血及咯血,无发热盗 汗,无声嘶。口服感冒药及静脉输注消炎药(具体不详)后 无明显缓解,就诊于景县人民医院,胸部CT检查提示:右 肺中叶团块状软组织密度影,边缘欠清;右肺炎症;右侧 胸腔积液(图1)。未行正规治疗,1月前就诊于河北医科大 学第四医院胸外科,胸水脱落细胞学检查:找到癌细胞, 考虑肺腺癌。行顺铂 ...
Jin Zhao, Da Jiang, Rongfeng Liu, Xin Li
semanticscholar +1 more source
中国科学与技术学报
本文提出了一种优化后的YOLOv5算法，旨在识别绝缘子缺陷。通过结合Transformer模型、BiFPN（双向特征金字塔网络）和CBAM（卷积块注意力模块）注意力机制，显著提升了识别的准确度、稳定性和泛化能力。此算法能精确识别和定位各种形态和尺寸的缺陷，为绝缘子缺陷检测提供了高效且可靠的解决方案。实验数据显示，优化后的YOLOv5算法在绝缘子故障识别中表现出色，检测准确率高达76.8%，相较于传统YOLOv5算法，性能提升超过20%。在处理复杂绝缘子缺陷和小样本目标识别时，该算法表现出更强的能力 ...
徐铭申 +4 more
semanticscholar +1 more source
本文提出了一种优化后的YOLOv5算法，旨在识别绝缘子缺陷。通过结合Transformer模型、BiFPN（双向特征金字塔网络）和CBAM（卷积块注意力模块）注意力机制，显著提升了识别的准确度、稳定性和泛化能力。此算法能精确识别和定位各种形态和尺寸的缺陷，为绝缘子缺陷检测提供了高效且可靠的解决方案。实验数据显示，优化后的YOLOv5算法在绝缘子故障识别中表现出色，检测准确率高达76.8%，相较于传统YOLOv5算法，性能提升超过20%。在处理复杂绝缘子缺陷和小样本目标识别时，该算法表现出更强的能力 ...
徐铭申 +4 more
semanticscholar +1 more source
航拍图像中绝缘子缺陷的检测与定位 (Detection and Localization of Insulator Defects in Aerial Images)
计算机科学, 2016Ting Fang, Jiaming Han
semanticscholar +1 more source
复合绝缘子隐蔽性缺陷及检测方法 Concealment Defects of Composite Insulators and Their Detection Methods
, 2017辛军 +5 more
semanticscholar +1 more source