典型文献
基于OpenCV+SSD深度学习模型的变电站压板状态智能识别
文献摘要：
目前,变电站保护硬压板信息管理处于完全依赖于人工巡检的状态.伴随着人工智能上升为国家战略,深度学习技术进一步发展,提出一种基于OpenCV+SSD深度学习模型的压板状态识别方法.在图像二值化并高斯滤波基础上,基于霍夫直线检测算法进行保护屏柜角点检测,并通过透视变换实现压板图像矫正,从而避免拍摄图像的角度变化对识别结果的影响;利用模板匹配的方法对压板图像进行分割,并建立不同压板与其功能间的映射关系,提升压板状态检测准确度;基于TensorFlow深度学习框架搭建SSD目标检测模型,通过不断调参并采用正则化处理提高训练模型的准确度和泛化能力.经测试验证,该方法目标检测精确率和召回率均大于0.95,相对于传统OpenCV 及 Hog+SVM的处理方法,压板状态识别效果有明显提高.
文献关键词：
压板状态识别;OpenCV;透视变换;深度学习;SSD目标检测.
中图分类号：
作者姓名：
王伟;张彦龙;翟登辉;刘力卿;许丹;张旭
作者机构：
国网天津市电力公司电力科学研究院,天津300384;许继电气股份有限公司,河南许昌461000
文献出处：
引用格式：
[1]王伟;张彦龙;翟登辉;刘力卿;许丹;张旭-.基于OpenCV+SSD深度学习模型的变电站压板状态智能识别)[J].电测与仪表,2022(01):106-112
A类：
OpenCV+SSD,硬压板,Hog+SVM
B类：
深度学习模型,变电站,智能识别,管理处,人工巡检,深度学习技术,压板状态识别,图像二值化,高斯滤波,霍夫直线检测,检测算法,角点检测,过透,透视变换,板图,图像矫正,模板匹配,映射关系,升压,状态检测,检测准确度,TensorFlow,深度学习框架,框架搭建,目标检测模型,正则化,提高训练,训练模型,泛化能力,测试验证,精确率,召回率
AB值：
0.297455
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。
