[发明专利]一种基于深度学习的绝缘子故障定位识别方法有效
| 申请号： | 201810757293.6 | 申请日： | 2018-07-11 |
| 公开（公告）号： | CN109166094B | 公开（公告）日： | 2022-03-25 |
| 发明（设计）人： | 田立斌;阮海清 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/73;G06N3/04;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的绝缘子故障定位识别方法，主要解决在电力运行过程中绝缘子发生故障肉眼识别率的问题，该方法主要包括下述步骤：采集绝缘子图像并进行预处理，构建绝缘子图像数据集；构建深度卷积神经网络模型，该模型用于提取绝缘子的特征，并对绝缘子进行类别判定和目标定位；利用绝缘子图像数据集对深度卷积神经网络模型进行训练；最后利用训练完成的深度卷积神经网模型对待测绝缘子图像进行故障定位与识别。本发明基于深度学习的绝缘子故障定位识别方法对绝缘子故障定位准确率高，速度快，实现了绝缘子故障定位的实时检测。 | ||
| 搜索关键词： | 一种 基于 深度 学习 绝缘子 故障 定位 识别 方法 | ||
【主权项】：
1.一种基于深度学习的绝缘子故障定位识别方法，其特征在于，包括下述步骤：(1)采集绝缘子图像并进行预处理，构建绝缘子图像数据集；(2)构建深度卷积神经网络模型，该模型提取绝缘子的图像特征信息，采用选择性搜索和多尺度滑动窗口的方式来生成区域建议框，并对生成的区域建议框进行分类，进而对绝缘子进行类别判定和目标定位；(3)利用绝缘子图像数据集对构建的深度卷积神经网络模型进行训练，具体是采用区域建议框生成网络和目标检测网络交替训练，并结合梯度下降法进行迭代计算权值；(4)对训练完成的深度卷积神经网络模型进行故障定位识别测试。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810757293.6/，转载请声明来源钻瓜专利网。
