典型文献
基于深度学习的电力设备图像识别方法
文献摘要：
针对传统方法对电力设备的图像特征分类不明确,导致得到的图像识别效果不佳,难以保证安全运行的问题,提出了基于深度学习的电力设备图像识别方法.该方法首先提取电力设备图像特征分类伪装因素,然后基于深度学习方法构建网络模型定位错误锚点,通过正负训练标记识别目标区域,从而完成对电力设备图像的识别.实验结果表明,以变压器和电线塔杆作为识别设备测试对象,该方法能在30 s内基本完成采集图像的有效识别,可保证电力设备能稳定运行,具有较好的实际应用效果.
文献关键词：
深度学习;电力设备图像;图像识别;错误锚点定位
中图分类号：
作者姓名：
陈兆骅;杨海舟;柏筱飞;高萍;韩辉
作者机构：
国网苏州供电公司,江苏 苏州 215000;江苏瑞中数据股份有限公司,江苏 南京 210000
文献出处：
引用格式：
[1]陈兆骅;杨海舟;柏筱飞;高萍;韩辉-.基于深度学习的电力设备图像识别方法)[J].电工技术,2022(09):34-36
A类：
错误锚点定位
B类：
电力设备图像,图像识别,图像特征,特征分类,伪装,深度学习方法,建网,位错,正负,标记识别,目标区域,变压器,电线,塔杆,设备测试,采集图像,实际应用效果
AB值：
0.258309
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。
