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。
关键词:输电线路 异物识别 卷积神经网络 tensorflow
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; 北京102206; 北京信息科技大学理学院; 北京100192; 北京卓识网安技术股份有限公司; 北京102206
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社