典型文献
基于迁移学习的架空电力线路螺栓状态分类方法研究
文献摘要：
架空电力线路螺栓缺陷检测意义重大,其首要任务为准确分类螺栓各种状态.而螺栓不同状态缺陷之间相似度较高,加之无人机飞行姿态灵活、拍照角度多样又造成螺栓在不同视角下视觉差异较大,出现了细粒度分类的难题.针对上述问题,提出一种基于DenseNet网络的迁移学习方法,对架空电力线路螺栓进行细粒度状态分类.首先自制三类别螺栓数据集并进行数据增强,然后对在ImageNet数据集上进行预训练的DenseNet网络进行微调,迁移至螺栓状态分类的任务中学习,得出分类结果.实验表明该模型在螺栓状态分类中准确率达到98.9％,比传统方法和不使用迁移学习的模型效果更好.
文献关键词：
架空电力线路螺栓;细粒度分类;迁移学习;DenseNet
中图分类号：
作者姓名：
李学渊
作者机构：
华北水利水电大学电气工程学院,河南 郑州 450045
文献出处：
引用格式：
[1]李学渊-.基于迁移学习的架空电力线路螺栓状态分类方法研究)[J].电工技术,2022(20):96-99
A类：
架空电力线路螺栓
B类：
状态分类,分类方法,缺陷检测,检测意义,首要任务,无人机飞行,飞行姿态,拍照,不同视角,细粒度分类,DenseNet,迁移学习方法,数据增强,ImageNet,预训练,微调,移至,不使用
AB值：
0.191415
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。
