基于迁移学习的小样本输电线路巡检图像处理方法
电力巡检无人机提供大量的巡检图像,但由于电力设备故障稀少,其中只有少量的设备缺陷故障图像可供使用。为了提高设备缺陷故障识别精度并减少训练过拟合问题,首先介绍了基于迁移学习的小样本电力巡检图像处理方法,通过图像裁剪、翻转、旋转等数据增强技术对小样本图像进行扩充,同时采用生成对抗网络(GAN)来扩充基础样本;并使用迁移学习技术,将基于大规模图像数据的预训练深度卷积模型进行定制,调整该神经网络模型的输入层和最后两层参数,并对超参进行调优。实验结果表明,巡检设备故障(如导线断股和绝缘子串脱落等)准确匹配度近95%,证明了小样本学习和迁移学习在输电线路巡检图像处理中具有可行性。...
Saved in:
Published in | 全球能源互联网 Vol. 2; no. 4; pp. 409 - 415 |
---|---|
Main Authors | , , , , |
Format | Journal Article |
Language | Chinese |
Published |
Editorial Office of Journal of Global Energy Interconnection
01.07.2019
|
Subjects | |
Online Access | Get full text |
ISSN | 2096-5125 |
DOI | 10.19705/j.cnki.issn2096-5125.2019.04.012 |
Cover
Abstract | 电力巡检无人机提供大量的巡检图像,但由于电力设备故障稀少,其中只有少量的设备缺陷故障图像可供使用。为了提高设备缺陷故障识别精度并减少训练过拟合问题,首先介绍了基于迁移学习的小样本电力巡检图像处理方法,通过图像裁剪、翻转、旋转等数据增强技术对小样本图像进行扩充,同时采用生成对抗网络(GAN)来扩充基础样本;并使用迁移学习技术,将基于大规模图像数据的预训练深度卷积模型进行定制,调整该神经网络模型的输入层和最后两层参数,并对超参进行调优。实验结果表明,巡检设备故障(如导线断股和绝缘子串脱落等)准确匹配度近95%,证明了小样本学习和迁移学习在输电线路巡检图像处理中具有可行性。 |
---|---|
AbstractList | 电力巡检无人机提供大量的巡检图像,但由于电力设备故障稀少,其中只有少量的设备缺陷故障图像可供使用。为了提高设备缺陷故障识别精度并减少训练过拟合问题,首先介绍了基于迁移学习的小样本电力巡检图像处理方法,通过图像裁剪、翻转、旋转等数据增强技术对小样本图像进行扩充,同时采用生成对抗网络(GAN)来扩充基础样本;并使用迁移学习技术,将基于大规模图像数据的预训练深度卷积模型进行定制,调整该神经网络模型的输入层和最后两层参数,并对超参进行调优。实验结果表明,巡检设备故障(如导线断股和绝缘子串脱落等)准确匹配度近95%,证明了小样本学习和迁移学习在输电线路巡检图像处理中具有可行性。 |
Author | 陆继翔 李昊 杨志宏 徐康 徐弘升 |
Author_xml | – sequence: 1 fullname: 陆继翔 organization: 1.南瑞集团公司,江苏省 南京市 211106;2.智能电网保护与运行控制国家重点实验室,江苏省 南京市 211106 – sequence: 2 fullname: 李昊 organization: 1.南瑞集团公司,江苏省 南京市 211106;2.智能电网保护与运行控制国家重点实验室,江苏省 南京市 211106 – sequence: 3 fullname: 徐康 organization: 1.南瑞集团公司,江苏省 南京市 211106;2.智能电网保护与运行控制国家重点实验室,江苏省 南京市 211106 – sequence: 4 fullname: 徐弘升 organization: 1.南瑞集团公司,江苏省 南京市 211106;2.智能电网保护与运行控制国家重点实验室,江苏省 南京市 211106 – sequence: 5 fullname: 杨志宏 organization: 1.南瑞集团公司,江苏省 南京市 211106;2.智能电网保护与运行控制国家重点实验室,江苏省 南京市 211106 |
BookMark | eNo9j8tKw0AYhWdRwVr7IC4S5_bPdJZavBQKbroPk0kiqTWVxI07xeLSCl4WKlhRdKMoiJRWaF_GJH0M6wUXhwPfBwfOHCpE7chHaIFgmyiJYbFpm2grtMMkiShWwgJCwaaYKBtzGxNaQMV_PovKSRK6GAgTqqJkES2nN8PP4fFkfJA_fqTPD5-DXn7ZSV-7Wa-fXT9NRqf52Xs-HE_6L2n_NrvbT69G6WE3ve_kJ0fZxSB7O59HM4FuJX75r0uosbrSqK5b9Y21WnWpbnlKUct4rs8DhiX4UissAIwBbLhkmLqMC22AVEASAYyCCuS3lKCl9LgIjCtZCdV-Z722bjo7cbit4z2nrUPnB7TjTUfHu6Fp-c70Gw2IL8k0XHCqMDUcCwY-gKtNhX0B5RN0VQ |
ContentType | Journal Article |
DBID | DOA |
DOI | 10.19705/j.cnki.issn2096-5125.2019.04.012 |
DatabaseName | DOAJ Directory of Open Access Journals |
DatabaseTitleList | |
Database_xml | – sequence: 1 dbid: DOA name: DOAJ Directory of Open Access Journals url: https://www.doaj.org/ sourceTypes: Open Website |
DeliveryMethod | fulltext_linktorsrc |
EndPage | 415 |
ExternalDocumentID | oai_doaj_org_article_6982f1e711e74642902c40635e55bac8 |
GroupedDBID | -0C -SC -S~ 2RA 5VR 92M 9D9 9DC AAITT AFUIB ALMA_UNASSIGNED_HOLDINGS CAJEC CQIGP GROUPED_DOAJ PB1 PB9 Q-- RT3 T8S U1F U5C |
ID | FETCH-LOGICAL-d992-cdbe4f3075e7a90655cc50c47302b346ac518571653259f7c50c75a77d46fcb73 |
IEDL.DBID | DOA |
ISSN | 2096-5125 |
IngestDate | Wed Aug 27 01:21:17 EDT 2025 |
IsDoiOpenAccess | true |
IsOpenAccess | true |
IsPeerReviewed | true |
IsScholarly | true |
Issue | 4 |
Language | Chinese |
LinkModel | DirectLink |
MergedId | FETCHMERGED-LOGICAL-d992-cdbe4f3075e7a90655cc50c47302b346ac518571653259f7c50c75a77d46fcb73 |
OpenAccessLink | https://doaj.org/article/6982f1e711e74642902c40635e55bac8 |
PageCount | 7 |
ParticipantIDs | doaj_primary_oai_doaj_org_article_6982f1e711e74642902c40635e55bac8 |
PublicationCentury | 2000 |
PublicationDate | 2019-07-01 |
PublicationDateYYYYMMDD | 2019-07-01 |
PublicationDate_xml | – month: 07 year: 2019 text: 2019-07-01 day: 01 |
PublicationDecade | 2010 |
PublicationTitle | 全球能源互联网 |
PublicationYear | 2019 |
Publisher | Editorial Office of Journal of Global Energy Interconnection |
Publisher_xml | – name: Editorial Office of Journal of Global Energy Interconnection |
SSID | ssib051369897 ssib035218720 ssj0002857220 ssib036435998 ssib035757067 ssib038075987 |
Score | 2.191877 |
Snippet | 电力巡检无人机提供大量的巡检图像,但由于电力设备故障稀少,其中只有少量的设备缺陷故障图像可供使用。为了提高设备缺陷故障识别精度并减少训练过拟合问题,首先介绍了基... |
SourceID | doaj |
SourceType | Open Website |
StartPage | 409 |
SubjectTerms | 图像识别 小样本 数据扩充 生成对抗网络 输电线路 迁移学习 |
Title | 基于迁移学习的小样本输电线路巡检图像处理方法 |
URI | https://doaj.org/article/6982f1e711e74642902c40635e55bac8 |
Volume | 2 |
hasFullText | 1 |
inHoldings | 1 |
isFullTextHit | |
isPrint | |
journalDatabaseRights | – providerCode: PRVAON databaseName: DOAJ Directory of Open Access Journals issn: 2096-5125 databaseCode: DOA dateStart: 20180101 customDbUrl: isFulltext: true dateEnd: 20241231 titleUrlDefault: https://www.doaj.org/ omitProxy: true ssIdentifier: ssj0002857220 providerName: Directory of Open Access Journals |
link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwrV1BSxtBFB5KDtKLWKq0tZUcevGwJrs7b2fn2IgihXqKkFuYmczSKqQievGkGHpsCtUeakHF0l4UBZGQFMyfye7mZ_TNbIh78-JhLzMwMPvm8X1vePN9hLxlERUglXC4DKlDg0g7XEcNJ0BsAleUfWrt2z6sBitr9H0NajmrL9MTlskDZz-uFPDQi1zNXPwokmVe9hSCkA8aQApln_kijOWKKTxJyCrckN0TIR9JCcvplPuIw5ArNIzqOvB7ogKub4wV2fi2xguBeVbj0UPO7yBKwgSZt4_9WBlK6wuqufHJpu143rSNcSujatwuc4YAFrmWp8jkiHIW32VbfUae7H58TirxSW_Q-zrs76d__8WXfwbd0_RnK75uJ6ed5NfF8O57enib9vrDzlXcOUvO9-Lju_igHf9upd--JD-6yc3RNKkuL1UXV5yRn4LTMD2mqiE1jTCnQTPBkXqAUlBWFHPckz4NhAIjDOUG4GNNFDEzyUAw1sAQKsn8GVJofm7qF6SoFJcCczn0uKZhICSSTHMriQMaebD7klTMfuubmWJG3WhY2wGMbH0U2fpDkX31GIvMkqcmDlmD7WtS2N7a0W-QRmzLOXti_gNihs45 |
linkProvider | Directory of Open Access Journals |
openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0%E7%9A%84%E5%B0%8F%E6%A0%B7%E6%9C%AC%E8%BE%93%E7%94%B5%E7%BA%BF%E8%B7%AF%E5%B7%A1%E6%A3%80%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86%E6%96%B9%E6%B3%95&rft.jtitle=%E5%85%A8%E7%90%83%E8%83%BD%E6%BA%90%E4%BA%92%E8%81%94%E7%BD%91&rft.au=%E9%99%86%E7%BB%A7%E7%BF%94&rft.au=%E6%9D%8E%E6%98%8A&rft.au=%E5%BE%90%E5%BA%B7&rft.au=%E5%BE%90%E5%BC%98%E5%8D%87&rft.date=2019-07-01&rft.pub=Editorial+Office+of+Journal+of+Global+Energy+Interconnection&rft.issn=2096-5125&rft.volume=2&rft.issue=4&rft.spage=409&rft.epage=415&rft_id=info:doi/10.19705%2Fj.cnki.issn2096-5125.2019.04.012&rft.externalDBID=DOA&rft.externalDocID=oai_doaj_org_article_6982f1e711e74642902c40635e55bac8 |
thumbnail_l | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=2096-5125&client=summon |
thumbnail_m | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=2096-5125&client=summon |
thumbnail_s | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=2096-5125&client=summon |