10.16081/j.issn.1006-6047.2019.04.030
基于TensorFlow的高压输电线路异物识别
针对传统异物识别准确率较低的问题,提出一种基于TensorFlow的深度卷积神经网络的异物识别模型.将巡检图像进行图像灰度化和尺寸压缩等预处理,并采用三维块匹配滤波(BM3D)算法进行图像去噪得到实验所需的训练数据.提出基于TensorFlow的深度卷积神经网络框架,通过使用框架中的TensorBoard模块设计深度卷积神经网络模型结构与优选模型参数,并针对ReLU激活函数与特征权重进行理论分析.实验结果表明,经过15次迭代训练后,深度卷积神经网络比传统的支持向量机(SVM)、极限学习机(ELM)和BP神经网络算法具有更强的巡检图像识别能力;与经典的LeNet-5和VGGNet模型以及相关文献中的模型相比,所提模型更具有优越性.
输电线路、异物识别、卷积神经网络、TensorFlow
39
TM761(输配电工程、电力网及电力系统)
2019-05-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
204-209,216