双通道卷积神经网络模型电力设备图像识别方法

• 作者: 周仿荣 沈志 马仪 黄俊波
• 来源期刊: 云南电力技术
• 学科: 工学
• 关键词: 双通道 卷积神经网络 电力设备 随机森林 图像识别
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 云电论坛论文专栏
• 页码范围: 126-130
• 页数: 5页
• 分类号: TM74
• 字数: 4416字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7345.2019.01.030

摘要

针对传统电力设备图像识别方法精度低、处理能力差的不足,提出一种基于双通道卷积神经网络(CNN)模型和随机森林分类的电力设备图像识别方法.在特征提取方面,双通道CNN模型通过两个独立的CNN模型来提取电力设备的特征;在识别算法方面,借鉴传统机器学习方法的优势,结合随机森林的优点,提出了结合深度学习的随机森林分类方法.最后,利用所提出的双通道CNN模型和随机森林分类方法对各类电力设备的图像进行了分类,实验表明所提出的方法可以有效地应用于各类电力设备的图像识别,并大大改善电力设备图像识别的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马仪	云南电网有限责任公司电力科学研究院	73	203	8.0	10.0
2	周仿荣	云南电网有限责任公司电力科学研究院	53	55	4.0	5.0
3	沈志		11	7	2.0	2.0
4	黄俊波		4	3	1.0	1.0