基于改进卷积神经网络的智能物料识别技术研究

针对输电线路中小目标物料识别难度高、准度率低的问题，提出了一种基于改进卷积神经网络的电力线路物料智能识别技术方案。该方案采用改进导向滤波算法和直方图均衡化方法完成了电力线路图像的预处理，对于原始SSD算法存在网络模型复杂、计算速度慢的缺陷，文中采用改进的轻量化卷积神经网络作为基本网络，进一步采用k-means算法优化默认锚框的宽高比，提升了物料识别的准确率。仿真实验结果表明，所提方法相比于原始SSD算法在训练速度和识别准确度方面均具有较大的提升，在实际配电网项目的审计应用中，能够准确识别不同类型的物料，识别精确率大于88%，能够为配电网审计工作提供精准地决策辅助。