基于深度学习的电力图像大数据分类研究

作     者：陈晓雷 朱轩冕 温积群 刘主光 曲钰 高志坚 CHEN Xiaolei;ZHU Xuanmian;WEN Jiqun;LIU Zhuguang;QU Qiyu;GAO Zhijian

作者机构：浙江图盛输变电工程有限公司温州科技分公司浙江温州325000 

基　　金：以千企节能改造行动为核心的双碳数智监测体系研究与应用(CF058804062022003) 

出 版 物：《自动化与仪器仪表》 (Automation & Instrumentation)

年 卷 期：2024年第6期

页      码：37-40,45页

摘      要：与普通图像数据分类相比,电力图像数据之间的相似度更高,为数据的分类工作带来较大难度,以提高电力图像大数据分类精度为目的,提出基于深度学习的电力图像大数据分类方法。采用数据挖掘的方式,采集电力图像大数据,通过灰度化、滤波等步骤,完成对初始电力图像大数据的预处理。利用深度学习算法中的卷积神经网络,通过前向传播与反向传播的训练,得出电力图像大数据特征的提取结果。最终通过特征匹配,确定电力图像大数据的所属类型,完成数据的分类工作。通过性能测试实验得出结论:与传统方法相比,优化设计方法的分类准确率和召回率分别提高了4.8%和2.35%,即优化设计方法在分类性能方面具有明显优势。

主 题 词：深度学习 电力图像 电力大数据 数据分类 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.14016/j.cnki.1001-9227.2024.06.037

馆 藏 号：203128384...