基于迁移学习和特征融合的复合绝缘子憎水性等级判别方法

摘要：

为实现复合绝缘子憎水性等级自动、准确判别,提出一种基于迁移学习和特征融合的复合绝缘子憎水性等级判别方法.该方法以深度学习为基础,针对传统方法憎水性图像特征表述能力不足的缺点,基于VGG-19卷积神经网络构建了憎水性图像深度特征提取模型,并基于迁移学习理论,通过共享ImageNet集深度特征,提取模型卷积层及网络层参数,实现了训练样本数量受限背景下憎水性图像深度特征提取模型网络优化.针对现场实测环境光照条件多变,深度特征易受影响的缺点,基于局部二值模式提取了憎水性图像局部特征,并以VGG-19网络为基础,通过融合深度特征及局部特征,构建了基于迁移学习和特征融合的复合绝缘子憎水性等级判别模型.算例验证结果表明:所提方法提取的特征含量丰富,有效提高了憎水性等级判别效果,并可改善光照条件变化对憎水性等级判别结果不利影响.

关键词：复合绝缘子;憎水性等级;判别方法;迁移学习;特征融合

所属期刊栏目：45

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划项目2020YFB0906005

在线出版日期：2021-10-15（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：3964-3971