基于TensorFlow的高压输电线路异物识别

被引：36

作者：

龚钢军 ^{[1
]}

张帅 ^{[2
]}

吴秋新 ^{[2
]}

陈志敏 ^{[1
]}

刘韧 ^{[3
]}

苏畅 ^{[1
]}

机构：

[1] 华北电力大学北京市能源电力信息安全工程技术研究中心

[2] 北京信息科技大学理学院

[3] 不详

来源：

电力自动化设备 | 2019年 / 39卷 / 04期

关键词：

输电线路; 异物识别; 卷积神经网络; TensorFlow;

D O I：

10.16081/j.issn.1006-6047.2019.04.030

中图分类号：

TM75 [线路及杆塔]; TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ;

摘要：

针对传统异物识别准确率较低的问题,提出一种基于TensorFlow的深度卷积神经网络的异物识别模型。将巡检图像进行图像灰度化和尺寸压缩等预处理,并采用三维块匹配滤波(BM3D)算法进行图像去噪得到实验所需的训练数据。提出基于TensorFlow的深度卷积神经网络框架,通过使用框架中的TensorBoard模块设计深度卷积神经网络模型结构与优选模型参数,并针对ReLU激活函数与特征权重进行理论分析。实验结果表明,经过15次迭代训练后,深度卷积神经网络比传统的支持向量机(SVM)、极限学习机(ELM)和BP神经网络算法具有更强的巡检图像识别能力;与经典的LeNet-5和VGGNet模型以及相关文献中的模型相比,所提模型更具有优越性。

引用

页码：204 / 209+216 +216

页数：7

共 14 条

[1] 基于WNN-GNN-SVM组合算法的变压器油色谱时间序列预测模型
张施令
姚强
[J]. 电力自动化设备, 2018, 38 (09) : 155 - 161
[2] 架空输电线路机器人全自主巡检系统及示范应用
彭向阳
钱金菊
吴功平
麦晓明
魏莱
饶章权
[J]. 高电压技术 , 2017, (08) : 2582 - 2591
[3] 基于ORB算法的输电线路异物识别研究
焦圣喜
王海洋
[J]. 科学技术与工程, 2016, 16 (27) : 236 - 240
[4] 基于代价敏感极端学习机的电力系统暂态稳定评估方法
陈振
肖先勇
李长松
张殷
胡清泉
[J]. 电力自动化设备, 2016, 36 (02) : 118 - 123
[5] 基于无人机图像的输电线断股与异物缺陷检测方法
王万国
张晶晶
韩军
刘俍
朱铭武
[J]. 计算机应用, 2015, 35 (08) : 2404 - 2408
[6] 能源互联网的价值与实现架构研究
杨方
白翠粉
张义斌
[J]. 中国电机工程学报, 2015, 35 (14) : 3495 - 3502
[7] 对内蒙古中西部地区输电线路鸟害的调查与分析
白丽波
李春雷
祁瑞
白亚
[J]. 内蒙古石油化工, 2015, 41 (03) : 43 - 44
[8] 基于无人机多传感器数据采集的电力线路安全巡检及智能诊断
彭向阳
陈驰
饶章权
杨必胜
麦晓明
王柯
[J]. 高电压技术, 2015, 41 (01) : 159 - 166
[9] 输电线路运行安全影响因素分析及防治措施
胡毅
刘凯
吴田
刘艳
苏梓铭
[J]. 高电压技术, 2014, 40 (11) : 3491 - 3499
[10] 基于航拍图像的输电线路异物识别
金立军
姚春羽
闫书佳
张文豪
[J]. 同济大学学报(自然科学版), 2013, 41 (02) : 277 - 281

← 1 2 →