文献类型：期刊文章

作　　者：李军锋[1] 王钦若[1] 李敏[2]

机构地区：[1]广东工业大学自动化学院,广州510006 [2]武汉纺织大学数学与计算机学院,武汉430072

出　　处：《高电压技术》

基　　金：广东电网公司重点科技项目(GDKJQQ20152015);湖北省科技厅自然科学基金(2016CFB460)~~

年　　份：2017

卷　　号：43

期　　号：11

起止页码：3705-3711

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了解决电力系统海量非结构化图像数据智能化分析和识别这一问题,提出了一种结合深度学习和随机森林的电力系统关键电力设备图像识别方法。在特征提取方面,通过卷积神经网络提取了电力设备图像的特征;在识别算法方面,借鉴传统机器学习方法的优势,提出了结合深度学习的随机森林分类方法。使用8 500幅电力设备图像对该方法进行了测试。研究结果表明:对于绝缘子、变压器、断路器、输电线电杆和输电线铁塔这5种电力设备,该方法的平均识别准确率达到了89.6%,比常规卷积神经网络分类器和传统随机森林分类器的平均识别准确率分别高出了6.8%和12.6%。该方法为海量非结构化电力设备图像智能化分析提供了一种新的解决办法。

关 键 词：电力设备 图像识别 智能分析  深度学习  随机森林  卷积神经网络

分 类 号：TP18] TP391.41]