摘要: 电力设备的在线监测中需要将目标的外观影像进行故障识别，而图像故障识别必须首先进行图像的精确匹配，因而对目标检测设备视觉定位的应用技术有着日益迫切的需求。本文建立了一种基于混合网络模型的电力设备目标寻的算法，有机融合了孪生网络的模板匹配和基于特征点匹配的图像配准两种研究路线。算法在孪生网络的网络深度方面采用较少的特征度尺寸压缩，减少池化环节。从而保证结果特征图在尺寸上与原图像保持同一量级，达到检测分辨率的较少损失。方法对特征描述子邻域划分做出改进，简化了算法复杂度。训练时使用Dropout策略随机忽略一部分神经元，以避免模型过拟合。同时采用指数下降的学习率曲线，兼顾模型前期优化的收敛速度和后期优化的收敛性。经过实验分析验证，表明算法可以实现在复杂多变的变电站检测环境下可靠有效的完成电力设备的目标寻的任务。