来源：期刊VIP网 时间：
作者：程宏波;王林;吴浩;谢子宁;李昊岭;
单位：华东交通大学电气与自动化工程学院;人工智能四川省重点实验室;
摘要：目的 为发挥红外诊断专家的经验知识，为电气设备故障的诊断及处理提供依据和参考，方法 提出一种电力设备红外图像援例诊断方法，收集并整理电气设备的典型故障案例，建立电气设备典型故障的红外案例库；通过优化网络全连接层数量，利用全局平均池化代替最大池化对VGG-16深度学习网络进行改进，减少红外图像处理时中间特征的数量，降低图像匹配的计算工作量；利用改进的VGG-16网络提取红外图像的典型特征，计算待测图像与典型案例图像特征之间的余弦距离，利用余弦距离衡量待测图像与标准图像之间的相似程度，筛选最接近的相似案例，以相似案例为依据提供故障原因分析和处理措施建议。收集7种设备43类故障的典型案例200个，开发了电力设备红外援例诊断程序。结果 实验结果表明，采用改进后的深度学习网络，单张红外图像匹配平均仅需要0.255 s，比SURF方法用时缩短85.5%，比SIFT方法用时缩短91.9%，提取特征进行匹配后诊断正确率可达94.74%。结论 所提方法可提高红外图像处理的效率，具有较高的诊断准确率，可为电力设备红外诊断提供一种新的方法，诊断结果可整合既有的专家经验知识为现场故障处理提供指导，具有较好的应用潜力。
关键词：深度学习;;红外检测;;故障案例;;援例诊断
基金资助：国家自然科学基金资助项目（51967007）;; 江西省重点研发计划项目（20202BBEL53008）;; 人工智能四川省重点实验室开放课题（2022RZY01）
