Print

基于卷积神经网络的绝缘子目标识别方法研究

论文摘要

为了实现复杂背景下绝缘子的快速、准确识别,提出了基于卷积神经网络的绝缘子目标识别方法。该方法通过公开数据集ImageNet预训练VGGNet,并将VGGNet作为特征提取网络,预训练后用其参数初始化Faster R-CNN,通过绝缘子数据集再训练,最终用来识别绝缘子目标。此外,为了探究不同卷积网络和不同算法对试验结果的影响,除上述VGGNet和Faster R-CNN以外,还使用了AlexNet和Fast R-CNN来进行对比试验,即对比Fast R-CNN+VGGNet、Faster R-CNN+VGGNet、Faster R-CNN+AlexNet这3种网络。测试结果表明:在使用相同特征网络VGGNet时,Faster R-CNN的各项测试指标均优于Fast R-CNN,在使用相同算法Faster R-CNN时,VGGNet网络的检测指标较为理想,但识别速度稍慢于AlexNet网络。3种网络都能够达到绝缘子目标识别的目的,精确度依次为87.23%、96.66%、93.34%,召回率依次为59.42%、84.06%、49.28%,平均识别时间依次为8.48,2.70,1.40s。观察试验可知,相比其他两种算法Faster R-CNN+VGGNet检测结果较为理想,其精确度分别高出9.43%和3.32%,召回率分别高出24.64%和34.78%,说明该方法可对复杂背景下的绝缘子进行有效识别。

论文目录

  • 1 绝缘子图像数据集
  • 2 基于Faster R-CNN的绝缘子目标识别
  •   2.1 VGGNet网络模型结构
  •   2.2 区域建议网络
  •   2.3 建议区域池化网络
  •   2.4 分类网络
  • 3 绝缘子识别网络训练与测试
  •   3.1 图像预处理与数据集的制作
  •   3.2 VGGNet特征提取网络训练
  •   3.3 绝缘子目标识别网络训练
  •   3.4 识别结果与分析
  •     3.4.1 对比相同卷积网络不同算法的识别效果
  •     3.4.2 对比相同算法不同卷积网络的识别效果
  • 4 讨论与结论

    • 文章来源

    类型: 期刊论文

    作者: 陈春玲,杨雪,周云成,王俊,朱浩祎,苑婷,于泳

    关键词: 目标识别,绝缘子识别,深度学习,卷积神经网络

    来源: 沈阳农业大学学报 2019年04期

    年度: 2019

    分类: 农业科技,工程科技Ⅱ辑,信息科技

    专业: 电力工业,自动化技术

    单位: 沈阳农业大学信息与电气工程学院,国网辽宁省电力有限公司盘锦供电公司

    基金: 辽宁省自然科学基金计划重点项目(20170540810),国网辽宁省电力有限公司科技项目(SGLNPJ00FZJS1900381)

    分类号: TP183;TM216

    页码: 501-506

    总页数: 6

    文件大小: 3718K

    下载量: 312

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/7bba78014967b91ea436a9fa.html