發(fā)布時間：2018-06-07 20:14

  本文選題：電力設備 + 圖像識別　； 參考：《高電壓技術》2017年11期

【摘要】：為了解決電力系統(tǒng)海量非結構化圖像數(shù)據(jù)智能化分析和識別這一問題,提出了一種結合深度學習和隨機森林的電力系統(tǒng)關鍵電力設備圖像識別方法。在特征提取方面,通過卷積神經(jīng)網(wǎng)絡提取了電力設備圖像的特征;在識別算法方面,借鑒傳統(tǒng)機器學習方法的優(yōu)勢,提出了結合深度學習的隨機森林分類方法。使用8 500幅電力設備圖像對該方法進行了測試。研究結果表明:對于絕緣子、變壓器、斷路器、輸電線電桿和輸電線鐵塔這5種電力設備,該方法的平均識別準確率達到了89.6%,比常規(guī)卷積神經(jīng)網(wǎng)絡分類器和傳統(tǒng)隨機森林分類器的平均識別準確率分別高出了6.8%和12.6%。該方法為海量非結構化電力設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)大學自動化學院;武漢紡織大學數(shù)學與計算機學院;
【基金】：廣東電網(wǎng)公司重點科技項目(GDKJQQ20152015) 湖北省科技廳自然科學基金(2016CFB460)~~
【分類號】：TP18;TP391.41

【相似文獻】

相關期刊論文 前10條

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

2 劉足華;熊惠霖;;基于隨機森林的目標檢測與定位[J];計算機工程;2012年13期

3 董師師;黃哲學;;隨機森林理論淺析[J];集成技術;2013年01期

4 陳姝;彭小寧;;基于粒子濾波和在線隨機森林分類的目標跟蹤[J];江蘇大學學報(自然科學版);2014年02期

5 王麗婷;丁曉青;方馳;;基于隨機森林的人臉關鍵點精確定位方法[J];清華大學學報(自然科學版);2009年04期

6 李建更;高志坤;;隨機森林針對小樣本數(shù)據(jù)類權重設置[J];計算機工程與應用;2009年26期

7 吳華芹;;基于訓練集劃分的隨機森林算法[J];科技通報;2013年10期

8 程光;王貴錦;何禮;林行剛;;人體姿勢估計中隨機森林訓練算法的并行化[J];計算機應用研究;2014年05期

9 于延;王建華;;基于云計算平臺的隨機森林算法的研究與實現(xiàn)[J];科技通報;2013年04期

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

相關會議論文 前10條

1 謝程利;王金橋;盧漢清;;核森林及其在目標檢測中的應用[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達數(shù)據(jù)分析的隨機森林方法及算法改進[A];黑龍江省第十次統(tǒng)計科學討論會論文集[C];2008年

3 高曉丁;左賀;高鵬;;基于圖像識別的多套色印花對花定位技術研究[A];佶龍杯第四屆全國印花學術研討會論文集[C];2009年

4 郭艷;王萍;朱國;;基于圖像識別的射擊自動報靶系統(tǒng)[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

5 姜洪臣;任曉磊;趙耀宏;徐波;;基于音頻語譜圖像識別的廣告檢索[A];第十一屆全國人機語音通訊學術會議論文集（二）[C];2011年

6 姜洪臣;任曉磊;趙耀宏;徐波;;基于音頻語譜圖像識別的廣告檢索技術[A];第十一屆全國人機語音通訊學術會議論文集（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式模糊擬合在人臉圖像識別中的應用[A];第25屆中國控制會議論文集（下冊）[C];2006年

8 林達宜;邱利松;張莎;;物聯(lián)網(wǎng)發(fā)展與圖像識別[A];2012全國無線及移動通信學術大會論文集（上）[C];2012年

9 王利強;張紅梅;;儲糧害蟲圖像識別知識庫研究[A];計算機研究新進展（2010）——河南省計算機學會2010年學術年會論文集[C];2010年

10 俞建榮;卜凡亮;李文力;陸曉軍;;流化床氣泡運動的圖像識別與分析[A];第三屆全國信息獲取與處理學術會議論文集[C];2005年

相關重要報紙文章 前4條

1 記者 鄭曉春;以開發(fā)出計算機圖像識別新技術[N];科技日報;2007年

2 記者 李紅;法研究出圖像識別軟件[N];科技日報;2000年

3 田夢;PDF圖像識別助推電子政務[N];計算機世界;2007年

4 比爾·蓋茨;軟件邊界不斷改變令人興奮[N];中國電子報;2008年

相關博士學位論文 前10條

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

2 劉軍;人臉圖像識別關鍵技術的研究[D];北京郵電大學;2015年

3 柳楊;面向圖像識別的稀疏模型研究[D];北京郵電大學;2015年

4 耿慶田;基于圖像識別理論的智能交通系統(tǒng)關鍵技術研究[D];吉林大學;2016年

5 王宇新;基于特征分布的圖像識別方法研究與應用[D];大連理工大學;2012年

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

7 冉瑞生;一些矩陣計算問題及其在圖像識別中的應用研究[D];電子科技大學;2006年

8 李雅梅;南宋川南墓葬石刻藝術與計算機圖像識別應用的研究[D];重慶大學;2008年

9 侯書東;基于相關投影分析的特征提取研究及在圖像識別中的應用[D];南京理工大學;2012年

10 吳萌;多尺度表達和正則化方法在圖像識別中的研究與應用[D];上海交通大學;2014年

相關碩士學位論文 前10條

1 賀捷;隨機森林在文本分類中的應用[D];華南理工大學;2015年

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

3 李強;基于多視角特征融合與隨機森林的蛋白質結晶預測[D];南京理工大學;2015年

4 朱玟謙;一種收斂性隨機森林在人臉檢測中的應用研究[D];武漢理工大學;2015年

5 肖宇;基于序列圖像的手勢檢測與識別算法研究[D];電子科技大學;2014年

6 李慧;一種改進的隨機森林并行分類方法在運營商大數(shù)據(jù)的應用[D];電子科技大學;2015年

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

8 丁然;基于隨機森林大豆籽粒外觀品質識別系統(tǒng)的設計與實現(xiàn)[D];東北農(nóng)業(yè)大學;2015年

9 邱佳迪;基于隨機森林的惡意移動應用動態(tài)檢測方法研究[D];浙江工業(yè)大學;2015年

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

，

本文編號：1992660