雙通道卷積神經網絡模型電力設備圖像識別

周仿榮，馬儀，沈志，黃俊波

（1.云南電網有限責任公司電力科學研究院，昆明 650217；2.云南電網有限責任公司帶電作業分公司，昆明 650000）

0 前言

目標識別技術指的是使用計算機來對圖像進行加工處理，提取其中有意義的信息，實現對圖像中有意義的事物或現象的分析、描述、判斷和識別[1-2]。變電站電力設備種類眾多，眾多設備顏色比較單一、外觀類似，還存在眾多干擾目標，因此，傳統的圖像識別技術難以滿足電力設備圖像識別的需求[3-4]。

文獻[5]基于多尺度小波邊緣檢測信息融合與Hough變換直線檢測算法，對輸電線路的覆冰厚度進行了識別。文獻[6]運用動態自適應遺傳算法對模糊參數進行優化，并進行電力設備的熱異常定位及故障診斷。文獻[7-8]將提取出的熱紅外圖像特征向量用于BP神經網絡的訓練，并對圖像進行了分類識別。文獻[9]基于標記分水嶺模型實現了巡檢圖像的目標分割與特征量提取，并基于Hsim函數完成最終的目標識別。這些智能算法應用于圖像識別均取得了不錯的效果，但是在變電站紅外圖像識別上精度不高，而且處理復雜環境和眾多設備的能力差，不適用于變電站紅外圖像識別。

文獻[10]基于卷積遞歸網絡提出了一種基于卷積遞歸網絡的電流互感器紅外故障圖像診斷方法，指導設備故障部位識別。文獻[11]在卷積神經網絡(CNN)的結構及原理的基礎上，提出基于卷積神經網絡的輸電線路區內外故障判斷及故障選相新方法。文獻[12]提出基于卷積神經網絡的深度學習訓練改進方案，對面部表情進行分類。……