基于DCNN的变压器识别方法研究
-
摘要: 变电站的可靠工作是整个电力系统安全、稳定运行的核心，对供电质量有着重要意义。对变压器的实时监测和定期巡检，掌握变压器的准确状态，是变电站可靠运行的重要保障。传统的做法是采用人工对大量监测及巡检图片进行分析，这样不仅工作量大，还存在漏检、误检的风险。近年来深度学习逐渐在电力设备识别上得到应用，虽然一定程度上减轻了人工分析工作量，但在具体设备识别过程中存在识别率不高、召回率低等问题。针对此问题，本文提出几点改进，包括设计变压器部件数量平衡算法，采用图片线性插值构建虚拟训练样本，利用多尺度图片训练等。实验结果表明，经过改进之后，深度神经网络在变压器识别上的性能得到有效提高。
下载:
