论文部分内容阅读
电力系统图像数据具有数据量大、非结构化等特点,当前对该类图像的智能化识别精准度低。针对该问题,采用卷积神经网络,提取设备图像特征;充分利用传统机器学习特点,结合随机森林及深度学习按特征对图像进行分类。通过8 500张电力设备图像进行测试,由测试结果可知,对于输电线铁塔、输电线电杆、变压器、断路器及绝缘子5种电力设备,平均识别精确度为89.6%,较传统随机森林分类器及卷积神经网络分类器平均识别精准度分别提高12.6%及6.8%。