- 变电站智能巡检数据辨识技术及应用
- - 作者：编者:李端姣//张英|责编:穆智勇
  - 出版社：中国电力
  - ISBN：9787523902899
  - 出版日期：2025/09/01
  - 页数：173
- 售价：30

内容大纲
本书主要介绍了变电站智能巡检数据辨识技术及应用，全书分为基础、技术和应用三篇。基础篇包括第1、2章：第1章介绍了深度学习的基本概念，以及神经网络原理、卷积神经网络和循环神经网络等关键技术，并详细阐述了深度学习在图像处理领域的应用；第2章探讨了变电站智能巡检技术的重要性、传统方法的局限性及智能巡检技术的发展趋势。技术篇包括第3～5章：第3章深入分析了变电站数据的特征，包括数据种类、特点，以及数据预处理和特征提取技术；第4章研究了基于少样本和域适应的变电主设备缺陷识别技术；第5章基于深度学习的变电表计类、刀闸状态识别技术，为变电站关键设备的状态识别提供了创新性的解决方案。应用篇包括第6章和第7章：第6章展示了深度学习在变电站智能巡检数据辨识中的实际应用案例，包括模型选择与优化、数据集构建、模型训练与评估；第7章讨论了变电站智能巡检数据辨识技术面临的挑战、解决策略及未来研究方向，并对技术应用的前景和社会效益进行了展望。
本书可供从事变电站智能巡检领域工作的研究、设计人员阅读使用。
作者介绍
目录
前言
基础篇
  第1章  智能识别技术基础
    1.1  深度学习概述
    1.2  神经网络基本原理
    1.3  卷积神经网络（CNN）
    1.4  深度学习在图像处理中的应用
    1.5  视觉/多模态大模型对图像处理的机遇
  第2章  变电站智能巡检技术
    2.1  变电站巡检的重要性
    2.2  传统巡检方法与问题
    2.3  智能巡检技术的发展
    2.4  深度学习在变电站智能巡检中的应用
技术篇
  第3章  变电站数据特征
    3.1  变电站数据的种类与特点
    3.2  数据增强技术
    3.3  特征提取与模型构建
  第4章  基于少样本和域适应的变电主设备缺陷识别技术
    4.1  少样本数据增强技术
    4.2  域适应目标检测算法
    4.3  多模型目标识别算法
    4.4  设备状态与环境识别技术
    4.5  呼吸器硅胶变色识别技术
    4.6  表计表盘的模糊识别技术
  第5章  基于深度学习的变电表计类、刀闸状态识别技术
    5.1  基于精细化分割的表计状态识别技术
    5.2  基于连通区域的刀闸状态识别技术
应用篇
  第6章  变电站智能巡检数据辨识技术应用
    6.1  深度学习模型的选择与优化
    6.2  训练数据集与测试数据集的构建
    6.3  模型的训练与评估
    6.4  实际应用案例分析
  第7章  变电站智能巡检数据辨识技术的挑战与展望
    7.1  技术挑战与难点
    7.2  解决策略与未来研究方向
    7.3  技术应用前景与社会效益
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目