基于改进胶囊网络的绝缘子破损识别与定位
针对接触网绝缘子破损识别,传统的特征匹配和神经网络分类识别率较低,同时因其需要人工提取和训练等问题,识别速率也较慢。相比传统卷积神经网络（CNN）,胶囊网络（CapsNet）首次采用矢量作为输入,可以很好的保留目标的方向,角度等特征信息,更适合于识别复杂背景下的绝缘子。因此提出一种基于改进胶囊网络和CV模型结合的绝缘子破损识别算法,通过1×1归约层和3×3卷积层简化传统9×9胶囊网络的卷积层,并采用优化算法进行参数寻优,缩短训练权重时间,同时输出量保留方向角度,能更准确对棒形、针式和蝶式绝缘子破损情况进行分类。最后与AlexNet、YOLO、局部特征分析等方法进行了对比。通过对绝缘子巡检图像应...
Salvato in:
| Autori principali: | , , , , |
|---|---|
| Natura: | Artigo |
| Lingua: | Chinês |
| Pubblicazione: |
Editorial Department of Insulators and Surge Arresters
2021-01-01
|
| Serie: | Dianci bileiqi |
| Soggetti: | |
| Accesso online: | http://www.dcblq.com/thesisDetails#10.16188/j.isa.1003-8337.2021.01.029 |
| Tags: |
Nessun Tag, puoi essere il primo ad aggiungerne!!
|