论文摘要
针对传统异物识别准确率较低的问题,提出一种基于TensorFlow的深度卷积神经网络的异物识别模型。将巡检图像进行图像灰度化和尺寸压缩等预处理,并采用三维块匹配滤波（BM3D）算法进行图像去噪得到实验所需的训练数据。提出基于TensorFlow的深度卷积神经网络框架,通过使用框架中的TensorBoard模块设计深度卷积神经网络模型结构与优选模型参数,并针对ReLU激活函数与特征权重进行理论分析。实验结果表明,经过15次迭代训练后,深度卷积神经网络比传统的支持向量机（SVM）、极限学习机（ELM）和BP神经网络算法具有更强的巡检图像识别能力;与经典的LeNet-5和VGGNet模型以及相关文献中的模型相比,所提模型更具有优越性。
论文目录
文章来源
类型: 期刊论文
作者: 龚钢军,张帅,吴秋新,陈志敏,刘韧,苏畅
关键词: 输电线路,异物识别,卷积神经网络
来源: 电力自动化设备 2019年04期
年度: 2019
分类: 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: 华北电力大学北京市能源电力信息安全工程技术研究中心,北京信息科技大学理学院,北京卓识网安技术股份有限公司
分类号: TM75;TP391.41;TP183
DOI: 10.16081/j.issn.1006-6047.2019.04.030
页码: 204-209+216
总页数: 7
文件大小: 1485K
下载量: 577