电能表贴标机异常贴标图像识别方法研究 |
| |
引用本文: | 洪巧文,张荔鹃,周厚源,王姣,苏东升,黄大荣,马争锋.电能表贴标机异常贴标图像识别方法研究[J].自动化仪表,2022(4):22-26+32. |
| |
作者姓名: | 洪巧文 张荔鹃 周厚源 王姣 苏东升 黄大荣 马争锋 |
| |
作者单位: | 1. 国网福建省电力有限公司营销服务中心;3. 重庆交通大学信息科学与工程学院 |
| |
摘 要: | 针对电能表自动化生产线上贴标机工作过程中出现的贴标异常问题,开展了有关异常贴标图像的识别方法研究。通过综合采用图像增强技术、梯度直方图(HOG)算法、支持向量机(SVM)、卷积神经网络(CNN)模型以及残差网络(ResNet)模型等理论、技术和方法,提出了一种有效的异常贴标图像的识别方法。使用HOG+SVM、VGG-16和ResNet模型,在平衡后的数据集中进行了模型训练和样本识别的试验。试验结果表明,深度神经网络模型在训练与测试集中的识别效果具有明显提升。其中,ResNet模型的识别精度更高(训练集识别精度为100%,测试集识别精度为89%)。该研究为适用于电能表问题贴标的识别筛选提供了有效方法,为实际应用打下了基础。
|
关 键 词: | 电能表 异常标签 梯度直方图 卷积神经网络 支持向量机 残差网络 图像识别 样本均衡 |
|
|