《表A2 SDD-VGG样本识别情况》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于HSV特征变换与目标检测的变压器呼吸器缺陷智能识别方法》
由表4可知,采用SSD方法检测的精确率和召回率较低,分别为73.6%和67.0%。与SSD相比,本文所提方法对呼吸器缺陷具有较好的分类识别效果。附表A2所示为SSD方法样本的具体识别情况,该方法对局部变色识别的错误率较高,对密封不严和外观污染的漏检率较高,可能原因为:1)目标检测算法是通过学习目标的边缘、角点、纹理等特征实现的,而对颜色特征(如颜色比例、变色方向等)没有进行定量分析;2)数据包含2大类、7小类(包含背景)样本,不同类样本间容易混淆造成误判。如附表A2中正常样本和异常样本均包含局部变色(S2与S3),完全失效与外观污染具有近似特征(S4与S6)。
图表编号 | XD00189836500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.30 |
作者 | 李瑞生、许丹、翟登辉、陈晓民、张旭、张彦龙 |
绘制单位 | 许继集团有限公司、许继集团有限公司、许继集团有限公司、许继电气股份有限公司、许继集团有限公司、许继集团有限公司 |
更多格式 | 高清、无水印(增值服务) |