典型文献
电能表贴标机异常贴标图像识别方法研究
文献摘要：
针对电能表自动化生产线上贴标机工作过程中出现的贴标异常问题,开展了有关异常贴标图像的识别方法研究.通过综合采用图像增强技术、梯度直方图(HOG)算法、支持向量机(SVM)、卷积神经网络(CNN)模型以及残差网络(ResNet)模型等理论、技术和方法,提出了一种有效的异常贴标图像的识别方法.使用HOG+SVM、VGG-16和ResNet模型,在平衡后的数据集中进行了模型训练和样本识别的试验.试验结果表明,深度神经网络模型在训练与测试集中的识别效果具有明显提升.其中,ResNet模型的识别精度更高(训练集识别精度为100％,测试集识别精度为89％).该研究为适用于电能表问题贴标的识别筛选提供了有效方法,为实际应用打下了基础.
文献关键词：
电能表;异常标签;梯度直方图;卷积神经网络;支持向量机;残差网络;图像识别;样本均衡
中图分类号：
作者姓名：
洪巧文;张荔鹃;周厚源;王姣;苏东升;黄大荣;马争锋
作者机构：
国网福建省电力有限公司营销服务中心,福建 福州 350003;北京南瑞捷鸿科技有限公司,北京 100093;重庆交通大学信息科学与工程学院,重庆 400074
文献出处：
引用格式：
[1]洪巧文;张荔鹃;周厚源;王姣;苏东升;黄大荣;马争锋-.电能表贴标机异常贴标图像识别方法研究)[J].自动化仪表,2022(04):22-26,32
A类：
B类：
电能表,表贴,贴标机,标图,图像识别,自动化生产线,机工,异常问题,合采,图像增强技术,梯度直方图,残差网络,ResNet,HOG+SVM,VGG,模型训练,深度神经网络模型,测试集,识别精度,训练集,异常标签,样本均衡
AB值：
0.324434
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。
