基于深度学习的绝缘开关图像分类（英文）

作者：阚博文; Andrew Cui; 朱文东; 刘广一

来源：电力信息与通信技术, 2018, 16(03): 8-15.

DOI：10.16543/j.2095-641x.electric.power.ict.2018.03.002

• 图像分类
• 神经网络
• CNN
• 绝缘开关
• GPU

文章基于深度卷积神经网络(DCNN)对电力绝缘开关图像进行了识别和分类。通过对图像预处理、去噪以及对网络结构和参数的微调,训练了一个深度卷积神经网络模型,可以根据图像判断绝缘开关的寿命,以预防安全问题。同时对模型在不同硬件平台(多GPUs、单GPU以及CPU)上的训练时间进行了分析和比较,结果显示多GPUs的性能远超其他平台,但随着GPUs数目的增加,性能增加效果逐渐减弱。同时也基于图像的不同颜色模型对深度卷积神经网络结果进行了验证,在单GPU平台中对16 000张图片数据进行分类,获得的平均分类精度为0.953 1,平均模型训练时间为367 s。文章基于深度神经网络模型提供了一种可以自动检测绝缘开关故障的方法,大幅减少了之前通过人工检测每张图片所需的时间。