Key points are not available for this paper at this time.
Resumo Equipamentos de transmissão e distribuição de energia desempenham um papel crítico no fornecimento de eletricidade aos consumidores. No entanto, esses ativos são suscetíveis a defeitos externos, como corrosão, danos mecânicos e desgaste, que podem levar a falhas e interrupções na rede elétrica. Os métodos de inspeção tradicionais para detectar esses defeitos muitas vezes dependem de inspeções manuais, que são demoradas, onerosas e subjetivas. Para superar essas limitações, este artigo explora o estado atual das técnicas de deteção de defeitos externos baseadas em imagens de vídeo para equipamentos de transmissão e distribuição de energia. Isso compensa as deficiências das abordagens convencionais para inspeção e manutenção de equipamentos de transmissão e transformação de energia, diminuindo o desperdício de recursos humanos e aumentando a frequência e a eficiência da operação e manutenção inteligente de sistemas de energia. Este trabalho investiga um método de identificação de defeitos baseado em detecção de blocos completamente convolucionais para abordar a questão do reconhecimento de defeitos. A rede neural convolucional totalmente convolucional é aprimorada com o conceito de detecção de blocos graças a essa abordagem. O mecanismo de discriminação local pode ser realizado, e as desvantagens do campo receptivo da detecção de blocos convencional são evitadas no processo. Essa abordagem oferece melhor generalização e identificação de falhas em comparação com o sistema original de classificação de imagens ResNet.
Hao et al. (Sex,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: