基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于可见光图像的绝缘子识别是电网智能巡检设备识别的最重要的任务之一.电网智能巡检采集的图片存在着有效样本稀缺及场景多样性等问题,极大地限制了深度学习等技术在电网设备智能识别上的应用.本文基于深度学习对轻量级的多来源图像样本数据进行了绝缘子识别的探索和应用.首先,阐述了基于深度学习的目标识别算法发展过程,并着重介绍和对比了区域卷积神经网络(region-convolutional neural network,R-CNN)、 快速区域卷积神经网络(fast region-convolutional neural network,Fast R-CNN)和更快区域卷积神经网络(faster region-convolutional neural net-work,Faster R-CNN)3种用于目标识别的深度学习模型.然后,通过对来源于不同场景的百量级绝缘子图像进行实验,验证了Faster R-CNN模型在百量级图像中和可用性和鲁棒性.本文的研究和实验为深度学习技术在电网各类设备图像目标识别上的推广和应用探索了一条有效路径.
推荐文章
基于Faster R-CNN的航拍图像中绝缘子识别
卷积神经网络
深度学习
FasterR-CNN
航拍图像
绝缘子识别
智能电网
基于DRN和Faster R-CNN融合模型的行为识别算法
行为识别
扩张残差网络
Faster R-CNN
应用GAN和Faster R-CNN的色织物缺陷识别
色织物
图像扩充
生成对抗网络
FasterR-CNN
缺陷识别
基于Faster R-CNN的蓝莓冠层果实检测识别分析
蓝莓
冠层果实
FasterR-CNN
精准识别
产量预估
不同成熟度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Faster R-CNN的绝缘子识别探索和应用
来源期刊 南方电网技术 学科 工学
关键词 深度学习 区域卷积神经网络(R-CNN) 绝缘子 计算机视觉 目标识别
年,卷(期) 2018,(9) 所属期刊栏目 高电压技术
研究方向 页码范围 22-27
页数 6页 分类号 TM717|TM621
字数 3022字 语种 中文
DOI 10.13648/j.cnki.issn1674-0629.2018.09.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 许爱东 55 584 14.0 21.0
2 李鹏 51 712 17.0 25.0
3 陈华军 20 59 5.0 6.0
4 张福铮 10 10 2.0 3.0
5 黄文琦 7 12 2.0 3.0
6 明哲 5 14 2.0 3.0
7 杨航 3 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (26)
二级引证文献  (0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
区域卷积神经网络(R-CNN)
绝缘子
计算机视觉
目标识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南方电网技术
月刊
1674-0629
44-1643/TK
16开
广州市越秀区东风东路水均岗6号粤电大厦西塔18楼
46-359
2007
chi
出版文献量(篇)
2336
总下载数(次)
8
总被引数(次)
19670
论文1v1指导