基于全卷积神经网络的绝缘设备紫外图像评估算法研究
王小超
张勇
巢湖学院信息工程学院,安徽合肥238000
摘要：针对绝缘子表面沉积污秽容易导致闪络的问题,文中分析了全卷积神经网络(fully convolutional networks,FCN)的典型结构和训练方法,提出了基于全卷积神经网络的绝缘子紫外图像污秽度评估方法.该方法首先采用全卷积神经网络进行绝缘子放电紫外图像光斑分割提取,然后将分割的紫外光斑图像作为卷积神经网络(convolutional neural networks,CNN)的输入,实现绝缘子污秽度的评估.仿真算例的计算结果表明,FCN-16s模型融合浅层细节特征适中,应用于绝缘子放电紫外图像光斑分割的效果更优;验证了文中所提FCN-CNN算法能够实现绝缘子污秽度的评估,具有更高的准确度,为输变电系统的智能化运维提供了参考.
关键词：紫外图像全卷积神经网络光斑绝缘子污秽度卷积神经网络图像分割智能电网
分类号：TP277(自动化技术及设备)
资助基金：KJ2019A0682(No)
论文发表日期：2021-03-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 84-90 )
英文信息