基于改进深度学习的刀闸状态识别方法研究

• 作者: 余娟 张金锋 张骥 朱能富 陈子亮
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 绝缘子检测 刀闸状态识别
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 8-13
• 页数: 6页
• 分类号: TM933
• 字数: 3993字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1390.2018.05.002

摘要

识别刀闸状态对于现代电力系统至关重要,传统的刀闸状态识别方法不能很好地解决多刀闸目标干扰问题.为了解决此问题,提出了一种基于改进深度学习的刀闸状态识别方法.首先采用空间加权的池化策略来改进传统的卷积神经网络(CNNs);其次利用改进CNNs在训练数据库上获得训练模型;然后通过训练模型来检测绝缘子和刀闸的潜在位置,并进一步利用非极大值抑制和直线拟合算法获得精确的绝缘子和刀闸位置;最后利用与绝缘子的连通性和刀闸区域的长宽比来识别多种刀闸的闭合或断开状态.实验结果表明此方法能够精确地定位绝缘子和刀闸的位置,显著提高刀闸状态识别的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张金锋		7	9	1.0	3.0
2	张骥		1	8	1.0	1.0
3	朱能富		1	8	1.0	1.0
4	余娟		1	8	1.0	1.0
5	陈子亮	安徽大学电子信息工程学院	1	8	1.0	1.0