基于图像分析和深度学习的复合绝缘子憎水性分级

摘要：

为了更加方便快捷地检测大量复合绝缘子憎水性等级,提出一种基于图像分析和深度学习的复合绝缘子憎水性分级方法.首先为提高图像对比度,对复合绝缘子憎水性图像进行灰度化和图像增强处理;其次利用图像分析技术和U-Net网络提取水珠轮廓,得到水珠轮廓图像;接着引入深度卷积神经网络,将这些水珠轮廓图作为神经网络的输入,以相应的憎水性等级作为输出向量,训练网络得到分级模型;最后将分级模型用于憎水性分级,得到分级结果.实验结果表明:该方法的分级结果已达到实际应用要求,水珠轮廓提取的精度达到了92.96％,分级准确率达到了90.2％,预测一幅图像的憎水性等级平均耗时0.1 s.

关键词：图像分析;深度学习;神经网络;U-Net网络

所属期刊栏目：43

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金60975011

在线出版日期：2021-11-09（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：580-585