中教数据库 > 电网技术 > 文章详情

基于样本扩充的Faster R-CNN电网异物监测技术

更新时间:2023-05-28

【摘要】电网公司的巡检工作主要依靠人工完成,需要大量人力物力,且实时性较差。针对该问题,提出一个基于区域推荐卷积神经网络的图像目标监测系统,其中核心算法为Faster R-CNN算法。利用深度学习对摄像装置所采集的现场图像进行分析,执行目标检测任务,若发现威胁电网安全运行的隐患将及时通知工作人员。深度学习发挥其优势需要有效样本达到一定数量,包含隐患的真实样本较少,有些异物种类甚至没有合适的样本,往往不能满足深度学习算法的训练要求。因此研究了一种用于扩充样本的样本生成算法,将隐患目标与背景图像按照一定规则进行融合,达到批量扩充样本集的目的。使用该算法生成的样本进行测试,测试结果表明扩充后的训练集可以使系统性能得到一定提升。此外,通过测试发现,对训练集做一定的预处理可以提升模型的识别性能。

【关键词】

467 2页 免费

发表评论

登录后发表评论 (已发布 0条)

点亮你的头像 秀出你的观点

0/500
以上留言仅代表用户个人观点,不代表中教立场
相关文献

推荐期刊

Copyright © 2013-2016 ZJHJ Corporation,All Rights Reserved

京ICP备2021022288号-1

京公网安备 11011102000866号