基于迁移学习和R-FCN的电力设备红外图像识别算法

• 作者: 王勋 毛华敏 李唐兵 曾晗 程宏波
• 来源期刊: 传感器与微系统
• 关键词: 电力设备 目标识别 迁移学习 基于区域的全卷积网络(R-FCN)
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算与测试|Calculation & Test
• 页码范围: 147-150
• 页数: 4页
• 分类号: TP212.9
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)01-0147-04

摘要

电力设备类型的准确识别是实现红外图像智能诊断的前提.针对电力设备红外图像数量多、识别任务重等问题,采用迁移学习和基于区域的全卷积网络(R-FCN)算法实现电力设备红外图像的智能识别.首先,利用Labelimg软件制作电力设备红外图像数据集;然后,基于迁移学习的原理,选择在VOC数据集上表现优秀的识别算法R-FCN;最后,将R-FCN检测模型分别与2种不同大小的卷积神经网络结合,并利用在线难例挖掘(OHEM)改进算法.实验结果表明:在相同样本条件下,以上提出的算法能够快速有效地识别电力设备红外图像,精度达到0.9143,具有较好的准确性和鲁棒性.该算法为电力设备红外图像热故障诊断提供诊断基础.