10.11930/j.issn.1004-9649.202011120
融合多维度特征的绝缘子状态边缘识别方法
针对传统的绝缘子状态识别方法存在实时性差、特征提取能力不足的问题,基于边缘计算的思想,提出了一种融合多维度特征的绝缘子状态边缘识别方法.利用云边协同和边边联邦协同的联合技术手段,构建了绝缘子状态的边缘识别框架.设计了一种融合多维度特征提取的深度学习网络,该网络采用ResNet101作为主干特征提取网络,使用Inception模块构建数据池化层,嵌入压缩激励模块和卷积注意力模块,从不同维度对特征进行高效提取.采用包括正常和缺陷2种状态的数据集进行绝缘子状态边缘识别实验,平均识别准确率达到了99%.实验表明了融合多维度特征的绝缘子状态边缘识别方法的有效性.
绝缘子图像;特征提取;残差神经网络;边缘计算;状态识别
55
国家自然科学基金;上海市科委地方院校能力建设项目
2022-02-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
133-141