典型文献
基于深度迁移学习的复合绝缘子憎水性识别
文献摘要：
憎水性等级(hydrophobicity class,HC)是复合绝缘子耐污闪性能的重要表征指标,为了准确判断绝缘子伞裙表面的憎水性,提出一种基于深度迁移学习的喷水图像识别方法.通过喷水试验构建不同HC等级的复合绝缘子喷水图像样本集,采用AlexNet、Inception-ResNetV2、ResNet101、ShuffleNet这4种卷积神经网络建立学习模型,利用ImageNet数据集对其进行预训练,通过微调网络结构进行模型迁移,并在前后网络层设置不同的学习率,使其适用于绝缘子HC识别任务.采用喷水图像样本集对4种迁移学习模型进行训练、验证与测试,并通过梯度加权类激活映射(gradient-weighted class activation mapping,Grad-CAM)对各模型的决策区域进行可视化分析.算例结果表明,4种模型均能有效识别HC1—HC7的喷水图像,其中ResNet101的性能最好,对700幅测试样本图像的识别准确率达98.14％,Grad-CAM热力图显示该结果具有较高的可靠性.研究可为复合绝缘子憎水性的检测与智能识别提供参考.
文献关键词：
复合绝缘子;憎水性;深度迁移学习;卷积神经网络;图像识别
中图分类号：
作者姓名：
邱志斌;刘洲;廖才波;于小彬
作者机构：
南昌大学能源与电气工程系,南昌330031
文献出处：
引用格式：
[1]邱志斌;刘洲;廖才波;于小彬-.基于深度迁移学习的复合绝缘子憎水性识别)[J].高电压技术,2022(07):2706-2715
A类：
ResNetV2,HC7
B类：
深度迁移学习,复合绝缘子,憎水性等级,hydrophobicity,class,耐污,污闪,表征指标,断绝,伞裙,喷水,图像识别,像样,样本集,AlexNet,Inception,ResNet101,ShuffleNet,立学,ImageNet,预训练,微调网络,模型迁移,网络层,学习率,梯度加权类激活映射,gradient,weighted,activation,mapping,Grad,CAM,HC1,识别准确率,热力图,智能识别
AB值：
0.317973
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
