| 基于改进卷积神经网络的变电站异物入侵识别 |
| |
| 引用本文： | 肖曾翔,徐启峰. 基于改进卷积神经网络的变电站异物入侵识别[J]. 科学技术与工程, 2022, 22(4): 1465-1471 |
| |
| 作者姓名： | 肖曾翔 徐启峰 |
| |
| 作者单位： | 福州大学电气工程与自动化学院,福州350106 |
| |
| 基金项目： | 国家自然科学基金项目（面上项目,重点项目,重大项目） |
| |
| 摘 要： | 针对无人值守变电站异物如鸟巢、风飘物入侵的情况,提出一种基于改进卷积神经网络的异物图像识别方法,利用K-means算法对异物图像尺寸聚类以设定锚框尺寸,增添上采样模块以加强特征融合,采用深度可分离卷积方式以减少计算量,同时修正损失函数以提升对重叠目标的识别能力.最后对福建某变电站的监控图像进行异物识别,准确率为91.9...
|
| 关 键 词： | 变电站 异物入侵 图像识别 K-means 深度可分离卷积 CIoU |
| 收稿时间： | 2021-05-21 |
| 修稿时间： | 2021-11-12 |
Recognition of Foreign Objects Intrusion in Substation based on Improved Convolutional Neural Network |
| |
| Xiao Zengxiang,Xu Qifeng. Recognition of Foreign Objects Intrusion in Substation based on Improved Convolutional Neural Network[J]. Science Technology and Engineering, 2022, 22(4): 1465-1471 |
| |
| Authors: | Xiao Zengxiang Xu Qifeng |
| |
| Affiliation: | College of Electrical Engineering and Automation,Fuzhou University |
| |
| Abstract: | |
| |
| Keywords: | Substation, Foreign body intrusion, Image Identification, K-means, Depth separable convolution, CIoU |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载全文 |
|
