简介:摘要:随着深度学习的不断进步,已经将应用延伸到光电跟踪设备,优质的检测跟踪算法决定光电跟踪设备的工作效率。本文提出一种改进YOLOv4的检测跟踪算法,结合空洞卷积对其网络结构进行改进,加入空洞空间金字塔池化模型,以此增大感受野,聚合多尺度上下文信息。然后,通过 K-means聚类方法生成更适合目标检测的初始候选框。其次,提出一种对象选择器,用来选择检测和跟踪轨迹中的最优候选框;最后,将最优候选框和跟踪轨
简介:摘 要:电能计量占据现代电力营销管理十分关键且重要的一环,对电能供应商而言,电量/电能测量是其所提供的电力商品进行交易与结算的主要依据,对于使用方而言,电量的计量准确性关系到自身的消费与权益,因此,面向电量的准确计量对供电方与使用方皆具有重要的实践与理论意义。对电量进行计量的方式主要为借助相关的计量装置,但由于参数设置不规范、人工操作失误等因素会产生电量计量误差或故障,由此,无论对电量供给者还是电能使用者而言都会造成经济方面的损失。此外,由于低压居民用户用于电量计量的电能表暴露在外部环境中,其会因风雪、大风、太阳照射等环境问题致使内部元器件发生损坏,进而影响电量计量的准确性,产生计量故障,并且,若出现电量计量故障需对其进行追补与矫正,人为估算方式耗时耗力,并且对相关技术人员的操作要求较高,且人工计量仍存在计量准确性问题。基于此,本文面向低压计量故障提出了一种电量自动测算系统,以提升电量计量的准确性与有效性。