典型文献
基于改进卷积神经网络的变电站异物入侵识别
文献摘要：
针对无人值守变电站异物如鸟巢、风飘物入侵的情况,提出一种基于改进卷积神经网络的异物图像识别方法,利用K-means算法对异物图像尺寸聚类以设定锚框尺寸,增添上采样模块以加强特征融合,采用深度可分离卷积方式以减少计算量,同时修正损失函数以提升对重叠目标的识别能力.最后对福建某变电站的监控图像进行异物识别,准确率为91.9％,证明了方法的有效性.
文献关键词：
变电站;异物入侵;图像识别;K-means;深度可分离卷积;CIoU
中图分类号：
作者姓名：
肖曾翔;徐启峰
作者机构：
福州大学电气工程与自动化学院,福州350106
文献出处：
引用格式：
[1]肖曾翔;徐启峰-.基于改进卷积神经网络的变电站异物入侵识别)[J].科学技术与工程,2022(04):1465-1471
A类：
B类：
改进卷积神经网络,异物入侵,入侵识别,无人值守变电站,鸟巢,图像识别,means,图像尺寸,锚框,上采样,样模,特征融合,深度可分离卷积,减少计算量,损失函数,识别能力,监控图像,异物识别,CIoU
AB值：
0.345333
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。
