本文選題：電力設(shè)備 + 圖像識(shí)別��； 參考：《高電壓技術(shù)》2017年11期

【摘要】：為了解決電力系統(tǒng)海量非結(jié)構(gòu)化圖像數(shù)據(jù)智能化分析和識(shí)別這一問(wèn)題,提出了一種結(jié)合深度學(xué)習(xí)和隨機(jī)森林的電力系統(tǒng)關(guān)鍵電力設(shè)備圖像識(shí)別方法。在特征提取方面,通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取了電力設(shè)備圖像的特征;在識(shí)別算法方面,借鑒傳統(tǒng)機(jī)器學(xué)習(xí)方法的優(yōu)勢(shì),提出了結(jié)合深度學(xué)習(xí)的隨機(jī)森林分類方法。使用8 500幅電力設(shè)備圖像對(duì)該方法進(jìn)行了測(cè)試。研究結(jié)果表明:對(duì)于絕緣子、變壓器、斷路器、輸電線電桿和輸電線鐵塔這5種電力設(shè)備,該方法的平均識(shí)別準(zhǔn)確率達(dá)到了89.6%,比常規(guī)卷積神經(jīng)網(wǎng)絡(luò)分類器和傳統(tǒng)隨機(jī)森林分類器的平均識(shí)別準(zhǔn)確率分別高出了6.8%和12.6%。該方法為海量非結(jié)構(gòu)化電力設(shè)備圖像智能化分析提供了一種新的解決辦法。
[Abstract]:In order to solve the problem of intelligent analysis and recognition of massive unstructured image data in power system, a method of image recognition for key power equipment in power system combining depth learning and stochastic forest is proposed. In the aspect of feature extraction, the feature of power equipment image is extracted by convolution neural network, and in recognition algorithm, a stochastic forest classification method combining depth learning is put forward by referring to the advantage of traditional machine learning method. The method is tested with 8,500 images of power equipment. The results show that: for insulators, transformers, circuit breakers, transmission line poles and transmission line towers, The average recognition accuracy of this method is 89.6% higher than that of conventional convolution neural network classifier and traditional random forest classifier by 6.8% and 12.6% respectively. This method provides a new solution for the intelligent analysis of massive unstructured power equipment images.
【作者單位】： 廣東工業(yè)大學(xué)自動(dòng)化學(xué)院;武漢紡織大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院;
【基金】：廣東電網(wǎng)公司重點(diǎn)科技項(xiàng)目(GDKJQQ20152015) 湖北省科技廳自然科學(xué)基金(2016CFB460)~~
【分類號(hào)】：TP18;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李建更;高志坤;;隨機(jī)森林:一種重要的腫瘤特征基因選擇法[J];生物物理學(xué)報(bào);2009年01期

2 劉足華;熊惠霖;;基于隨機(jī)森林的目標(biāo)檢測(cè)與定位[J];計(jì)算機(jī)工程;2012年13期

3 董師師;黃哲學(xué);;隨機(jī)森林理論淺析[J];集成技術(shù);2013年01期

4 陳姝;彭小寧;;基于粒子濾波和在線隨機(jī)森林分類的目標(biāo)跟蹤[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

5 王麗婷;丁曉青;方馳;;基于隨機(jī)森林的人臉關(guān)鍵點(diǎn)精確定位方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

6 李建更;高志坤;;隨機(jī)森林針對(duì)小樣本數(shù)據(jù)類權(quán)重設(shè)置[J];計(jì)算機(jī)工程與應(yīng)用;2009年26期

7 吳華芹;;基于訓(xùn)練集劃分的隨機(jī)森林算法[J];科技通報(bào);2013年10期

8 程光;王貴錦;何禮;林行剛;;人體姿勢(shì)估計(jì)中隨機(jī)森林訓(xùn)練算法的并行化[J];計(jì)算機(jī)應(yīng)用研究;2014年05期

9 于延;王建華;;基于云計(jì)算平臺(tái)的隨機(jī)森林算法的研究與實(shí)現(xiàn)[J];科技通報(bào);2013年04期

10 劉永春;宋弘;;基于隨機(jī)森林的乳腺腫瘤診斷研究[J];電視技術(shù);2014年15期

相關(guān)會(huì)議論文 前10條

1 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測(cè)中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達(dá)數(shù)據(jù)分析的隨機(jī)森林方法及算法改進(jìn)[A];黑龍江省第十次統(tǒng)計(jì)科學(xué)討論會(huì)論文集[C];2008年

3 高曉丁;左賀;高鵬;;基于圖像識(shí)別的多套色印花對(duì)花定位技術(shù)研究[A];佶龍杯第四屆全國(guó)印花學(xué)術(shù)研討會(huì)論文集[C];2009年

4 郭艷;王萍;朱國(guó);;基于圖像識(shí)別的射擊自動(dòng)報(bào)靶系統(tǒng)[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

5 姜洪臣;任曉磊;趙耀宏;徐波;;基于音頻語(yǔ)譜圖像識(shí)別的廣告檢索[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（二）[C];2011年

6 姜洪臣;任曉磊;趙耀宏;徐波;;基于音頻語(yǔ)譜圖像識(shí)別的廣告檢索技術(shù)[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

7 劉翠響;孫以材;張艷;于明;;基于三控制要素的多項(xiàng)式模糊擬合在人臉圖像識(shí)別中的應(yīng)用[A];第25屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2006年

8 林達(dá)宜;邱利松;張莎;;物聯(lián)網(wǎng)發(fā)展與圖像識(shí)別[A];2012全國(guó)無(wú)線及移動(dòng)通信學(xué)術(shù)大會(huì)論文集（上）[C];2012年

9 王利強(qiáng);張紅梅;;儲(chǔ)糧害蟲圖像識(shí)別知識(shí)庫(kù)研究[A];計(jì)算機(jī)研究新進(jìn)展（2010）——河南省計(jì)算機(jī)學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

10 俞建榮;卜凡亮;李文力;陸曉軍;;流化床氣泡運(yùn)動(dòng)的圖像識(shí)別與分析[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)重要報(bào)紙文章 前4條

1 記者 鄭曉春;以開(kāi)發(fā)出計(jì)算機(jī)圖像識(shí)別新技術(shù)[N];科技日?qǐng)?bào);2007年

2 記者 李紅;法研究出圖像識(shí)別軟件[N];科技日?qǐng)?bào);2000年

3 田夢(mèng);PDF圖像識(shí)別助推電子政務(wù)[N];計(jì)算機(jī)世界;2007年

4 比爾·蓋茨;軟件邊界不斷改變令人興奮[N];中國(guó)電子報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 姚登舉;面向醫(yī)學(xué)數(shù)據(jù)的隨機(jī)森林特征選擇及分類方法研究[D];哈爾濱工程大學(xué);2016年

2 劉軍;人臉圖像識(shí)別關(guān)鍵技術(shù)的研究[D];北京郵電大學(xué);2015年

3 柳楊;面向圖像識(shí)別的稀疏模型研究[D];北京郵電大學(xué);2015年

4 耿慶田;基于圖像識(shí)別理論的智能交通系統(tǒng)關(guān)鍵技術(shù)研究[D];吉林大學(xué);2016年

5 王宇新;基于特征分布的圖像識(shí)別方法研究與應(yīng)用[D];大連理工大學(xué);2012年

6 陳健美;基于密度聚類和多特征融合的醫(yī)學(xué)圖像識(shí)別研究[D];江蘇大學(xué);2008年

7 冉瑞生;一些矩陣計(jì)算問(wèn)題及其在圖像識(shí)別中的應(yīng)用研究[D];電子科技大學(xué);2006年

8 李雅梅;南宋川南墓葬石刻藝術(shù)與計(jì)算機(jī)圖像識(shí)別應(yīng)用的研究[D];重慶大學(xué);2008年

9 侯書東;基于相關(guān)投影分析的特征提取研究及在圖像識(shí)別中的應(yīng)用[D];南京理工大學(xué);2012年

10 吳萌;多尺度表達(dá)和正則化方法在圖像識(shí)別中的研究與應(yīng)用[D];上海交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 賀捷;隨機(jī)森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年

2 張文婷;交通環(huán)境下基于改進(jìn)霍夫森林的目標(biāo)檢測(cè)與跟蹤[D];華南理工大學(xué);2015年

3 李強(qiáng);基于多視角特征融合與隨機(jī)森林的蛋白質(zhì)結(jié)晶預(yù)測(cè)[D];南京理工大學(xué);2015年

4 朱玟謙;一種收斂性隨機(jī)森林在人臉檢測(cè)中的應(yīng)用研究[D];武漢理工大學(xué);2015年

5 肖宇;基于序列圖像的手勢(shì)檢測(cè)與識(shí)別算法研究[D];電子科技大學(xué);2014年

6 李慧;一種改進(jìn)的隨機(jī)森林并行分類方法在運(yùn)營(yíng)商大數(shù)據(jù)的應(yīng)用[D];電子科技大學(xué);2015年

7 趙亞紅;面向多類標(biāo)分類的隨機(jī)森林算法研究[D];哈爾濱工業(yè)大學(xué);2014年

8 丁然;基于隨機(jī)森林大豆籽粒外觀品質(zhì)識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];東北農(nóng)業(yè)大學(xué);2015年

9 邱佳迪;基于隨機(jī)森林的惡意移動(dòng)應(yīng)用動(dòng)態(tài)檢測(cè)方法研究[D];浙江工業(yè)大學(xué);2015年

10 張興;基于Spark大數(shù)據(jù)平臺(tái)的火電廠節(jié)能分析[D];太原理工大學(xué);2016年

，

本文編號(hào)：1992660