| 基于深度迁移学习的输电线路涉鸟故障危害鸟种图像识别 |
| |
| 引用本文： | 邱志斌,石大寨,况燕军,廖才波,朱轩.基于深度迁移学习的输电线路涉鸟故障危害鸟种图像识别[J].高电压技术,2021,47(11):3785-3794. |
| |
| 作者姓名： | 邱志斌 石大寨 况燕军 廖才波 朱轩 |
| |
| 作者单位： | 南昌大学能源与电气工程系,南昌330031;国网江西省电力有限公司电力科学研究院,南昌330096 |
| |
| 摘 要： | 为了实现输电线路涉鸟故障的差异化防治,提出一种基于深度迁移学习的危害鸟种图像识别方法.根据历史涉鸟故障的鸟种信息及输电走廊周边鸟种调查结果,建立88种相关鸟类图像数据集,采用类激活映射进行图像预处理,滤除复杂背景噪声.基于迁移学习的思想,首先利用AlexNet、VGG16、ResNet50、Inception V3这4种深度卷积网络架构建立学习模型,采用ImageNet图像数据集对其进行预训练,通过对微调预训练后的网络结构进行模型迁移,使其匹配鸟种图像识别任务.然后,利用鸟种图像样本集对迁移学习模型进行训练与测试,对比4种网络模型的识别准确率.最后,借鉴Delphi法的思想,建立一种融合多卷积神经网络的涉鸟故障危害鸟种识别模型.算例验证结果表明,该模型对88种危害鸟种的识别准确率可达91.21％,能够有效实现架空输电线路巡检图像中的鸟种识别,进而为涉鸟故障防治提供参考.
|
| 关 键 词： | 输电线路 涉鸟故障 深度迁移学习 类激活映射 卷积神经网络 鸟种图像识别 |
Image Recognition of Harmful Bird Species Related to Transmission Line Outages Based on Deep Transfer Learning |
| |
| QIU Zhibin,SHI Dazhai,KUANG Yanjun,LIAO Caibo,ZHU Xuan.Image Recognition of Harmful Bird Species Related to Transmission Line Outages Based on Deep Transfer Learning[J].High Voltage Engineering,2021,47(11):3785-3794. |
| |
| Authors: | QIU Zhibin SHI Dazhai KUANG Yanjun LIAO Caibo ZHU Xuan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
