基于迁移学习卷积神经网络的电缆隧道锈蚀识别算法

摘要：

随着电力行业的不断发展,高压电缆的铺排以及地下电缆隧道的建设与维护逐渐成为该领域中的热点问题之一.将迁移学习的核心思想与经典的卷积神经网络(LeNet5)相结合,提出了一种基于迁移学习卷积神经网络的电缆隧道锈蚀识别算法,实现了电缆隧道内部电源箱、风机等设备的锈蚀识别.该算法基于Tensorflow框架,能够有效地解决训练样本不足、训练时间冗长以及识别精度不高的问题.通过引入4种经典的目标识别算法进行对比实验,进一步验证了所提方案在网络训练时间以及识别精确度上的优势,为后续电缆隧道巡检机器人系统的构建提供了坚实的理论基础与实验支撑.

关键词：迁移学习、卷积神经网络、电缆隧道、锈蚀识别、Tensorflow框架、故障诊断与定位

所属期刊栏目：52

分类号：TM757;TP277(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金资助项目6157010854;国网浙江省电力科学研究院科技项目5211DS16002R

在线出版日期：2019-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：104-110