基于改进深度学习的电表终端故障图像识别方法

• 作者: 丁超 张俊玮 张秋雁 欧家祥 胡厚鹏
• 来源期刊: 电工技术
• 学科: 工学
• 关键词: 电表终端 深度学习 人工智能 图像识别 故障识别
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 人工智能与传感技术
• 页码范围: 36-39
• 页数: 4页
• 分类号: TP391
• 字数: 4700字
• 语种: 中文
• DOI: 10.19768/j.cnki.dgjs.2020.10.014

摘要

针对常规运维模式越来越难以满足电表终端高效可靠运营需求的问题,文章提出了一种基于改进深度学习的电表终端故障图像识别方法.在分析现有基于深度学习电表故障识别方法的不足的基础上,介绍了改进深度学习识别方法的思路.进一步设计了改进深度学习识别方法,具体阐释了深度学习分类网络、电表终端检测网络、组态匹配三个主要技术环节.最后以一个算例,介绍了改进深度学习的电表终端故障图像识别方法的应用情况,证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	欧家祥	贵州电网有限责任公司电力科学研究院	24	39	3.0	5.0
2	张秋雁	贵州电网有限责任公司电力科学研究院	33	53	5.0	6.0
3	张俊玮	贵州电网有限责任公司电力科学研究院	31	35	3.0	4.0
4	丁超	贵州电网有限责任公司电力科学研究院	13	17	2.0	3.0
5	胡厚鹏	贵州电网有限责任公司电力科学研究院	1	0	0.0	0.0