基于迁移学习卷积神经网络的电缆隧道锈蚀识别算法

• 作者: 周自强 纪扬 苏烨 蔡钧宇
• 来源期刊: 中国电力
• 学科: 工学
• 关键词: 迁移学习 卷积神经网络 电缆隧道 锈蚀识别 Tensorflow框架 故障诊断与定位
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 信息与通信
• 页码范围: 104-110
• 页数: 7页
• 分类号: TM757|TP277
• 字数: 4587字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.201808121

摘要

随着电力行业的不断发展,高压电缆的铺排以及地下电缆隧道的建设与维护逐渐成为该领域中的热点问题之一.将迁移学习的核心思想与经典的卷积神经网络(LeNet5)相结合,提出了一种基于迁移学习卷积神经网络的电缆隧道锈蚀识别算法,实现了电缆隧道内部电源箱、风机等设备的锈蚀识别.该算法基于Tensorflow框架,能够有效地解决训练样本不足、训练时间冗长以及识别精度不高的问题.通过引入4种经典的目标识别算法进行对比实验,进一步验证了所提方案在网络训练时间以及识别精确度上的优势,为后续电缆隧道巡检机器人系统的构建提供了坚实的理论基础与实验支撑.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周自强		13	35	3.0	5.0
2	苏烨		18	73	4.0	8.0
3	蔡钧宇		3	13	2.0	3.0
4	纪扬	浙江大学电气工程学院	1	3	1.0	1.0