基于深度学习的电力设备图像识别模型构建

作者：唐乃勇; 蔡利; 朱涛; 袁汉凯; 胡明强

来源：自动化与仪器仪表, 2020, (12): 54-57.

DOI：10.14016/j.cnki.1001-9227.2020.12.054

• FP-Faster R-CNN算法
• 卷积神经网络
• 池化方式
• 电力设备

针对传统深度学习算法FP-Faster R-CNN在特征提取方面难,进而影响了小目标设备的检测问题,在结合Faster R-CNN算法原理的基础上,通过嵌入压缩激励结构和密集连接结构,以改进卷积神经网络的主干结构;然后将模型中的Ro I Pooling池化方式调整成Ro IAlign池化方式,以此完成对传统FP-Faster R-CNN的改进。最后通过实验对上述改进方案进行测试,结果表明无论是在电力设备识别率,还是在小目标电力设备的精度方面,本改进算法都有较强的优势。

• 单位
  深圳供电局有限公司