基于改进CNN的电力设备红外图像分类模型构建研究

• 作者: 万新宇 周可慧 廖志伟 肖异瑶 肖立军 蓝鹏昊
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 电力设备 CNN 红外图像处理 图像分类 SeamCarving AlexNet
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 1033-1038
• 页数: 6页
• 分类号: TN219
• 字数: 3835字
• 语种: 中文

摘要

针对红外图像背景复杂,分辨率低、对比度差等问题,本文基于RGB、HSV颜色空间转换和Seam Carving缩放处理,提出一种改进卷积神经网络(Convolutional Neural Network,CNN)的电力设备红外图像智能分类模型.首先,着眼于CNN的结构特点,以AlexNet网络模型为原型,建立CNN-Alex模型;然后,提出一种基于RGB和HSV颜色空间转换和基于Seam Carving算法的设备红外图像处理方法,分离目标设备红外背景及调整图像至合适大小,对CNN-Alex模型加以改进,提高算法训练速度和准确率;最后将改进CNN模型与传统BP模型和CNN-Alex模型对比,其训练集、验证集准确率分别为99.5％、97.7％,远优于对比模型,验证了本文改进CNN红外图像分类模型的良好适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖志伟	华南理工大学电力学院	39	740	14.0	26.0
2	肖立军		19	22	3.0	3.0
3	万新宇		6	5	2.0	2.0
4	蓝鹏昊		3	7	2.0	2.0
5	周可慧	华南理工大学电力学院	3	2	1.0	1.0
6	肖异瑶	华南理工大学电力学院	1	2	1.0	1.0