基于深度学习的变压器图像识别系统

• 作者: 薛阳 吴海东 俞志程 张宁 叶晓康 华茜
• 来源期刊: 上海电力大学学报
• 学科: 工学
• 关键词: 深度学习 变压器 图像识别 迁移学习 改进VGG-16网络
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 智能电网技术
• 页码范围: 51-56
• 页数: 6页
• 分类号: T391.4
• 语种: 中文
• DOI: 10.3969/j.issn.2096-8299.2021.01.010

摘要

针对变压器型号多、图像复杂,以及传统基于机器学习的人工设计特征的方法不能对大规模变压器图像准确分类等问题,提出了基于深度学习的变压器图像识别系统,直接对原始图像进行"端对端"的学习.为实现变压器图像的准确分类,提出了改进VGG-16卷积神经网络的变压器图像识别模型.在VGG-16模型的基础上,重新构建了全连接层,针对原有的SoftMax分类器,采用3标签的SoftMax分类器进行替换,以实现网络结构优化,并通过迁移学习共享VGG-16模型卷积层和降采样层的权值参数.通过构建变压器图像的训练集和测试集,对改进模型进行了训练,并进行性能测试.结果表明,与深度神经网络、卷积神经网络模型相比,改进VGG-16模型具有更好的效果,识别误差达到了9.17％,并实现了对3种变压器的准确区分.