- 1、本文档共7页,其中可免费阅读4页,需付费7金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于轻量化CNN-Transformer的输电线路异物检测算法研究
一、引言
随着电力系统的快速发展,输电线路的安全运行显得尤为重要。异物侵入输电线路区域可能导致电力设备的故障和停电事故,对电网安全稳定运行造成严重威胁。因此,有效的输电线路异物检测算法成为了一个急需解决的难题。传统的检测方法多依赖人工巡检和监控,但这种方式效率低下且易受人为因素影响。近年来,深度学习技术在图像处理和模式识别领域取得了显著的进展,为输电线路异物检测提供了新的解决方案。本文提出了一种基于轻量化CNN-Transformer的输电线路异物检测算法,旨在提高异物检测的准确性和效率。
二、相关技术背景
1.CNN(卷积
文档评论(0)