Real-time insulator defects detection method based on YOLOv-5 and Generative Adversarial Nets
نام عام مواد
Dissertation
نام نخستين پديدآور
Rusul AL-Jumaili
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
Electrical and Computer Engineering
تاریخ نشرو بخش و غیره
1401
مشخصات ظاهری
نام خاص و کميت اثر
57p.
ساير جزييات
cd
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
M.A.
نظم درجات
computer engineering, artificial intelligence
زمان اعطا مدرک
1401/08/18
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
Insulators are exposed to air, rain, and wind conditions, which makes them vulnerable, and thus can threaten the safe and stable operation of the electricity network, which leads to power outages and heavy economic losses, according to statistics. For this reason, electricity companies are required to carry out inspections periodically to reduce losses as much as possible. Deep learning methods are life-threatening, expensive, and waste time and effort. Thanks to advances in image processing and computer vision, electrical companies have been using algorithms to process aerial and ground images and extract, analyze and identify faults. This project proposes a real-time insulator detection fault method using the YOLOv5 object detection model and the generative adversarial network (GAN)
متن يادداشت
عایق ها در معرض هوا، باران و شرایط باد قرار می گیرند که آنها را آسیب پذیر می کند و در نتیجه می توانند عملکرد ایمن و پایدار شبکه برق را تهدید می کند که منجر به قطعی برق و سنگین می شود زیان اقتصادی طبق آمار به همین دلیل، شرکت های برق نیاز به انجام بازرسی های دوره ای برای کاهش تلفات تا حد امکان. روش های یادگیری عمیق زندگی را تهدید کننده، پرهزینه و اتلاف وقت و تلاش می کند. اخیراً به لطف پیشرفت هایی که در زمینه پردازش تصویر صورت گرفته است و بینایی کامپیوتر، شرکت های برق از الگوریتم هایی برای پردازش هوایی و زمینی استفاده می کنند تصاویر و استخراج، تجزیه و تحلیل و شناسایی عیوب. این پروژه یک تشخیص عایق در زمان واقعی را پیشنهاد می کند روش خطا با استفاده از مدل تشخیص شی YOLOv5 و شبکه متخاصم مولد (GAN)
عنوانهای گونه گون دیگر
عنوان گونه گون
شناسايی بلادرنگ ایراد در عایق با استفاده از شبکه های مولد تخاصمی و yolov5
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
insulator, electricity, faults, YOLOv5 model, GAN
اصطلاح موضوعی
عایق , برق , گسل، مدل , YOLOv5 ، GAN
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
عنصر شناسه اي
AL-Jumaili,
عنصر شناسه اي
Salehpour,
عنصر شناسه اي
Aghdasi,
ساير عناصر نام
Rusul
ساير عناصر نام
Pedram
ساير عناصر نام
Hadi S.
کد نقش
Producer
کد نقش
Thesis advisor
کد نقش
Consulting advisor
نام تنالگان به منزله سر شناسه - (مسئولیت معنوی درجه اول )