| 基于定点化自适应选择卷积神经网络的电力缺陷识别方法 |
| |
| 引用本文： | 戴永东,姚建光,李勇,毛锋,文志科,曹世鹏.基于定点化自适应选择卷积神经网络的电力缺陷识别方法[J].高电压技术,2021,47(11):3827-3835. |
| |
| 作者姓名： | 戴永东 姚建光 李勇 毛锋 文志科 曹世鹏 |
| |
| 作者单位： | 国网江苏省电力有限公司泰州供电公司,泰州225300;中国电力科学研究院有限公司,北京100192;众芯汉创(北京)科技有限公司,北京210097 |
| |
| 摘 要： | 无人机(unmanned aerial vehicle,UAV)电力巡检时的图像数据量急剧增加,为使深度卷积神经网络(deep convolutional neural network,DCN-N)在低功耗的前提下仍能准确识别出电力缺陷,将重点改进传统DCNN算法,以减少机载前端平台中DCNN模型的计算成本,有效提高电力缺陷识别的运行速度,进而延长巡检无人机的续航里程.首先将卷积网络中的浮点运算进行定点化近似,然后通过快速机器学习算法对DCNN模型的输入图像进行自适应选择,最后通过实验对所提方法进行了验证.实验结果证明,DCNN模型经8比特定点优化和自适应选择选择策略后的准确率达88.2％,推理时间缩短了65.9％,能耗减少了71.9％,查准率提高了9.8％.所设计的定点化DCNN模型自适应选择策略不仅能节约电力巡检系统的功耗,而且能提高电力缺陷识别的精度.
|
| 关 键 词： | 无人机 电力巡检 深度卷积神经网络 定点化 自适应选择 缺陷识别 |
Power Defect Recognition Method Based on Fixed-point Adaptive Selection Convolution Neural Network |
| |
| DAI Yongdong,YAO Jianguang,LI Yong,MAO Feng,WEN Zhike,CAO Shipeng.Power Defect Recognition Method Based on Fixed-point Adaptive Selection Convolution Neural Network[J].High Voltage Engineering,2021,47(11):3827-3835. |
| |
| Authors: | DAI Yongdong YAO Jianguang LI Yong MAO Feng WEN Zhike CAO Shipeng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
