基于改进卷积神经网络的变电站异物入侵识别

摘要：

针对无人值守变电站异物如鸟巢、风飘物入侵的情况,提出一种基于改进卷积神经网络的异物图像识别方法,利用K-means算法对异物图像尺寸聚类以设定锚框尺寸,增添上采样模块以加强特征融合,采用深度可分离卷积方式以减少计算量,同时修正损失函数以提升对重叠目标的识别能力.最后对福建某变电站的监控图像进行异物识别,准确率为91.9％,证明了方法的有效性.

关键词：变电站、异物入侵、图像识别、K-means、深度可分离卷积、CIoU

所属期刊栏目：22

分类号：TM721(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51977038

在线出版日期：2022-04-18（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：1465-1471