文献类型：期刊文章

作　　者：张骥[1] 余娟[1] 汪金礼[1] 谭守标[2]

ZHANG Ji;YU Juan;WANG Jin-Li;TAN Shou-Biao(Anhui NARI Jiyuan Electric Power Grid Tech Co., Ltd., Hefei 230088, Chin;Anhua University, Hefel 230001, China)

机构地区：[1]安徽南瑞继远电网技术有限公司,合肥230088 [2]安徽大学,合肥230001

出　　处：《计算机系统应用》

年　　份：2018

卷　　号：27

期　　号：8

起止页码：176-179

语　　种：中文

收录情况：CSA、IC、ZGKJHX、普通刊

摘　　要：在电力系统中,识别并排除输电线路外破风险隐患对保障电力系统的安全运行方面具有非常重要的作用.图像识别技术是识别外破风险的一个有效方法.针对外破隐患识别问题,本文提出了一种通过卷积神经网络训练获取深度模型的检测算法,该算法根据防外破风险隐患图像特点对现有深度网络结构进行了改进优化,增加ROI池化层并修改了损失函数;采用大量样本训练得到鲁棒模型,测试时对待测图片首先产生候选区域,然后针对各候选区域进行检测识别,达到在复杂背景中检测出外破风险隐患的目的.实验结果说明了本文方法可以有效地识别出输电线路外破隐患.

关 键 词：外破隐患  卷积神经网络 深度模型  

分 类 号：TM75] TP183] TP391.41]