融合深度特征的输电线路金具缺陷因果分类方法

摘要：

针对输电线路金具缺陷样本不足和缺陷目标形态多样化,仅仅利用深度学习模型导致金具缺陷分类准确率较低的问题,提出了一种结合深度网络和逻辑回归模型的因果分类方法.首先,通过样本扩充方法获得数量丰富化和角度多样化的数据集;然后,基于微调后的VGG16模型提取深度特征并进行特征处理,以构建符合因果关系学习的输入特征集;最后,通过全局混杂平衡进行金具缺陷特征与标签之间的因果关系学习,构建符合金具特点的因果逻辑回归模型,完成金具缺陷分类.为了证明所提方法的有效性,利用无人机实际采集的4类金具缺陷图片分别进行了实验,所使用的训练样本和测试样本数量较原始数据集提升了5倍左右.实验结果表明:所提方法可以实现对输电线路金具缺陷的精准分类,其中,防震锤相交和变形分类准确率分别达到了0.9299和0.9118,屏蔽环锈蚀和均压环损坏分类准确率分别达到了0.9567和0.9669.

关键词：输电线路金具缺陷、因果关系学习、深度特征、逻辑回归模型、VGG

所属期刊栏目：47

分类号：TM726;TH165+.3(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;国家自然科学基金;北京市自然科学基金;河北省自然科学基金;中央高校基本科研业务费专项;中央高校基本科研业务费专项;模式识别国家重点实验室开放基金

在线出版日期：2021-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：461-468