基于深度学习网络的电气设备图像分类

摘要：

为了对变电站中智能巡检系统采集到的海量图片进行快速分析和识别,提出一种深度学习和支持向量机(support vector machine,SVM)相结合的图像分类模型.首先,运用旋转、翻折等方法对采集到的原始数据进行扩充.然后,合并扩展图像集,并在相同类型的条件下将其随机划分为训练集和测试集.基于实际图像改进卷积神经网络(convolutional neural net-work,CNN),并提取训练集的图像特征.最后,通过使用训练集图片的深度特征来训练SVM分类器,并且在测试集图片上实现分类测试.利用巡检机器人采集到的8000张图片对模型精度进行实验验证,结果表明,该模型具有较强的分类性能.

关键词：电气设备、图像分类、深度学习、卷积神经网络(CNN)、支持向量机(SVM)

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：山西省自然科学基金201801D221362

在线出版日期：2020-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9491-9496