基于卷积神经网络的电网变压器铭牌识别技术研究

• 作者: 曾惜 林家杰 王元峰 王宏远 陈华彬 龙思璇
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 卷积神经网络 图片识别 变压器 铭牌识别
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 算法分析
• 页码范围: 113-115
• 页数: 3页
• 分类号: TP391.4
• 字数: 2495字
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2020.07.42

摘要

针对现有的CNN网络模型在电网变压器铭牌识别应用中容易发生过拟合,训练速度慢等问题,为提高变压器铭牌识别准确率,提升训练效率,基于传统CNN算法理论提出一种I_CNN算法.首先设计全局池化层来代替传统CNN网络中的全连接层,降低过拟合风险;然后引入一种改进的softmax分类器构建softmax分类层,有效提高训练效率;最后使用实地采集的变压器铭牌图片数据集上训练I_CNN网络模型,识别准确率达96.21％,并通过对比实验表明,本文提出的I_CNN算法具有较高的准确率和训练效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王元峰		4	2	1.0	1.0
2	龙思璇		3	0	0.0	0.0
3	曾惜		4	0	0.0	0.0
4	王宏远		3	2	1.0	1.0
5	林家杰		1	0	0.0	0.0
6	陈华彬		2	0	0.0	0.0