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

作     者：彭熹 肖奕 崔卓 肖萍 李国栋 Peng Xi;Xiao Yi;Cui Zhuo;Xiao Ping;Li Guodong

作者机构：国网湖南省电力有限公司检修公司 

出 版 物：《科技通报》 (Bulletin of Science and Technology)

年 卷 期：2019年第35卷第11期

页      码：94-98页

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。

主 题 词：图像识别技术 卷积神经网络 高压开关柜 卷积核 

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

D　O　I：10.13774/j.cnki.kjtb.2019.11.018

馆 藏 号：203825466...