基于深度学习的电力设备图像识别模型构建

作     者：洪梓铭 HONG Zi-ming

作者机构：广东电网有限公司广州供电局广州510620 

出 版 物：《信息技术》 (Information Technology)

年 卷 期：2021年第45卷第6期

页      面：58-62页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：中国南方电网有限责任公司科技项目(090000KK-52170124) 

主　　题：深度学习 卷积神经网络 电力设备图像 识别模型 均值滤波法 

摘      要：为了解决电力设备故障识别中存在识别精度低、识别耗时长等问题,提出构建基于深度学习的电力设备图像识别模型。利用飞行设备搭载采集系统获取电力设备样本图像,采用加权平均法将RGB彩色图像转换为灰度图像;通过均值滤波法对电力设备图像进行降噪,以及采用二次泰勒级数卷积对电力设备图像边缘进行自适应增强,完成电力设备图像的预处理;在此基础上,采用权重融合的相似性测度对电力设备图像特征进行融合,引入卷积神经网络构建电力设备图像识别模型。实验结果表明:采用所提模型识别电力设备图像的精度最高可达99%,且识别耗时始终低于5s。