基于卷积神经网络的电力开关柜柜门开合状态图像识别研究

论文摘要

高压开关柜的安全运行是电力行业的重要部分,开关柜柜门因操作人员疏忽而未关闭会造成比较严重的安全隐患。卷积神经网络算法因其可以最大化地保留图像整体特征和局部特征,而成为目前图像识别领域的研究热点。本文设计了一个轻量级的卷积神经网络,具有7层卷积层的特征分类学习模块和3层卷积层的目标检测学习模块。通过对比3×3和5×5两种卷积核的识别结果可知,3×3卷积核在识别准确率和内存消耗方面具有更佳的效果,说明本文方法具有有效性,可应用于电力安全保障领域中。

论文目录

• 1 卷积神经网络
• 2 基于卷积神经网络的电力开关柜柜门开合状态图像识别
•   2.1 电力高压开关柜柜门开合状态的图像特征分析
•   2.2 图片预处理
• 3 基于CNN网络的训练图集样本选取
• 4 实验分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 彭熹,肖奕,崔卓,肖萍,李国栋

关键词: 图像识别技术,卷积神经网络,高压开关柜,卷积核

来源: 科技通报 2019年11期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 电力工业,计算机软件及计算机应用,自动化技术

单位: 国网湖南省电力有限公司检修公司

分类号: TM591;TP391.41;TP183

DOI: 10.13774/j.cnki.kjtb.2019.11.018

页码: 94-98

总页数: 5

文件大小: 177K

下载量: 103