[1] AHMAD T,ZHU H Y,ZHANG D D,et al. Energetics systems and artificial intelligence:applications of industry 4.0[J]. Energy Reports,2022(8):334-361. [2] 章耀耀,侯勇,叶海,等. 继电保护数字孪生技术应用展望[J]. 电力系统保护与控制,2023,51(12):178-187. [3] 侯进,王祥宇,郝彦超,等. 变电站图纸物理回路建模方法及实现[J]. 电力工程技术,2023,42(1):193-200. [4] 杨柳. 纸质电路图纸数字化处理技术[D]. 成都:电子科技大学,2006. [5] HE K M,ZHANG X Y,REN SH Q,et al.Deep residual learning for image recognition[C]// 2016 IEEE Conference on Computer Vision and Pattern Recognition(CVPR). Las Vegas,NV,USA. New York:IEEE Press,2016:770-778 . [6] SZEGEDY C,LIU W,JIA Y Q,et al.Going deeper with convolutions[C]//2015 IEEE Conference on Computer Vision and Pattern Recognition(CVPR).Boston,MA,USA. New York:IEEE Press,2015:1-9. [7] 刘伟,王建华,耿英三,等.基于AutoCAD的电气原理图识别[J]. 计算机辅助设计与图形学学报,2003,15(8):1036-1039. [8] 李铁成,任江波,曾四鸣,等. 基于CAD图自动拾取的变电站电气二次回路连接关系的方法系统及介质:201911082506.0[P].2020-02-14. [9] 陈晓杰,方贵盛. 一种基于图元结构关系的电气草图符号识别方法[J]. 机电工程,2017,34(8):823-828,850. [10] 王玉豪,方贵盛. 基于DAGSVM和决策树的电气草图符号识别[J]. 轻工机械,2017,35(4):56-59. [11] 肖豆,侯晓荣. 基于PHOG特征的电路图中电气符号识别[J]. 舰船电子工程,2017,37(1):90-93. [12] 江再玉,石文娟,马晶,等. 基于深度神经网络的电气元件符号识别算法[J]. 电力系统及其自动化学报,2022,34(2):48-55. [13] 郑文杰,杨祎,乔木,等. 基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法[J]. 重庆理工大学学报(自然科学),2023,37(9):261-269. [14] 龚庆武,石孝承,王艺霖,等. 基于YOLOv3算法的特高压直流线路保护动作行为评价[J]. 武汉大学学报(工学版),2024,57(6):746-755. [15] 徐思卿,柯德平,徐箭. 基于YOLOv5s的风电功率爬坡事件识别[J]. 武汉大学学报(工学版),2022,55(9):910-918. [16] HUSSAIN M. YOLOv1 to v8:Unveiling each variant:a comprehensive review of YOLO[J]. IEEE Access,2024, 12:42816-42833. [17] SOHAN M,RAM T S,REDDY C V R. A review on YOLOv8 and its advancements[C]//International Conference on Data Intelligence and Cognitive Informatics(ICDICI2023).Tirunelveli,India.Singapore:Springer,2023:529-545. [18] RAINIO O,TEUHO J,KLÉN R. Evaluation metrics and statistical tests for machine learning[J].Scientific Reports,2024,14(1):6086. |