简介:摘要:重视学习、善于学习,是中国共产党的优良传统和政治优势,是党始终走在时代前列的重要保障。学习兴国、学习强国,通过学习,社会上形成了以全党学习带动全民学习、以学习型政党建设引领学习型社会和学习大国建设的良好局面。
简介:摘要:输电线路作为国家电网基础设施建设的重要一环,保障其运行的安全稳定,不仅关系到电力系统的有效运行,更关系到国民经济的持续健康发展。随着电压等级的不断提高,输电线路巡检工作的重要性日益突出。为提高输电线路巡检效率,目前国家电网已大范围采用无人机对输电线路进行巡检。但在巡检过程中,关键部件是否出现故障,需要利用深度学习图像识别技术对无人机巡检采集到的海量图像数据进行离线分析来判断,这一巡检方式虽然识别精度较高,但由于数据采集与检测相分离,因而造成了发现故障的滞后性,因此研究满足边缘计算的关键部件检测算法,在无人机巡检采集图像过程中进行实时的检测是十分必要的。
简介:摘要:在当前信息化背景下,科学开展深度学习活动,对提升专业技能提高就业质量具有重大的帮助。结合当前配电设备识别技术存在的优点与问题,科学开展创新性实践教学活动,充分发挥配电设备识别技术的资源性作用,提升工作效率与质量,全面彰显自动化技术的工作成效。通过对监测区安装网络摄像技术,可以结合具体监测区域进行数据分析,保证配电设备智能识别技术发挥领航性作用,提升各个工作岗位学习效率与质量,全面增强企业产值提升,提高机械与人工合力工作成效,为企业全面性发展奠定坚实基础。
简介:摘要:无人机电网巡视具有区域小、背景复杂、计算量大等问题,使得其精度和实时性都很难达到。为了准确、快速地识别无人机电网巡检,对各种深度学习算法在复杂环境中的应用进行了分析,并给出了一种新的基于 YOLOv3的方法。首先选择ResNet18作为主干网络,再构造多尺度特征金字塔,并与骨干网络相结合,构成一种深度融合的电力系统监测系统,既能保证实时检测的精度,又能保证实时性。实验结果显示, YOLOv3网络的平均平均准确率(m AP)达到98.10%,较 FasterR-CNN提高6.71%;它能探测到的帧数为47.52帧,比R-CNN和FasterR-CNN快了25倍,比R-CNN快了12倍。提出的 YOLOv3网络在识别准确率和检测速度上都得到了较好的提高。