基于卷积神经网络的机房柜门开关状态识别研究

摘要：

为监测电网系统中机房柜门开关状态,避免产生安全隐患和财产损失,提出了一种基于卷积神经网络的机房柜门开关状态识别方法.该方法以ZFNet卷积模型作为基础网络,通过引入数据扩充防止过拟合现象产生,并使用迁移学习及批标准化方法加快网络收敛速度,提升了识别精度.以电网系统机房中的机柜门开关状态图像作为分类对象进行实验.实验结果表明,该方法能避免人工提取特征的局限性,识别精度满足实际监控要求.

关键词：卷积神经网络、数据扩充、迁移学习、批标准化

分类号：TP391(计算技术、计算机技术)

资助基金：贵州省工业攻关重点项目[2017]2311

在线出版日期：2019-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：22-25,47