Print

基于TensorFlow的高压输电线路异物识别

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

  • 0 引言
  • 1 高压输电线路航拍图像识别预处理
  •   1.1 数据增强
  •   1.2 数据处理
  • 2 深度卷积神经网络模型
  •   2.1 TensorFlow框架结构
  •   2.2 算法实现流程
  •   2.3 卷积神经网络架构
  • 3 实验与性能分析
  •   3.1 激活函数对结果的影响
  •   3.2 实验结果分析
  •   3.3 模型测试
  •   3.4 对比实验分析
  • 4 结论

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/f8183265b101b134dc1e1e18.html