期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CNN和DUL的电力设备低质量X射线图像分合闸识别
被引量：
2
1
作者
周静波
郝坤坤
吴安波
《工程数学学报》
CSCD
北大核心
2023年第5期681-698,共18页
电力巡检机器人系统在对电力设备分合闸X射线图像采集过程中,往往存在图像失真、模糊、低分辨率等低质量问题,对于X射线图像分合闸状态的识别造成了困难。基于此,提出一种基于数据不确定性学习DUL的深度学习识别方法。首先,分别使用三...
电力巡检机器人系统在对电力设备分合闸X射线图像采集过程中,往往存在图像失真、模糊、低分辨率等低质量问题,对于X射线图像分合闸状态的识别造成了困难。基于此,提出一种基于数据不确定性学习DUL的深度学习识别方法。首先,分别使用三种卷积神经网络BaseNet、ResNet18与MobileNetV3设计识别算法。然后,通过融合DUL模块,卷积神经网络将图像空间映射到一种服从高斯分布的不确定的特征空间,以自适应学习低质量X射线图像中的噪声。最后,设计三组对比实验模拟理想环境、恶劣环境及正常环境下的不同质量数据对模型识别性能的影响。实验结果表明,融合DUL模块的算法模型性能优于确定性模型,X射线图像分合闸平均识别精度提升2.64%;ResNet18+DUL表现最好,精度高达100%,适用于在线识别;MobileNetV3+DUL表现次之,精度高达97.83%,适用于离线识别。
展开更多
关键词
低质量X射线图像
分合闸识别
数据不确定性学习
卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于CNN和DUL的电力设备低质量X射线图像分合闸识别
被引量：
2
1
作者
周静波
郝坤坤
吴安波
机构
云南电网有限责任公司电力科学研究院
西安科技大学管理学院
西安交通大学机械制造系统工程国家重点实验室
出处
《工程数学学报》
CSCD
北大核心
2023年第5期681-698,共18页
基金
中国南方电网云南电网有限责任公司科研项目。
文摘
电力巡检机器人系统在对电力设备分合闸X射线图像采集过程中,往往存在图像失真、模糊、低分辨率等低质量问题,对于X射线图像分合闸状态的识别造成了困难。基于此,提出一种基于数据不确定性学习DUL的深度学习识别方法。首先,分别使用三种卷积神经网络BaseNet、ResNet18与MobileNetV3设计识别算法。然后,通过融合DUL模块,卷积神经网络将图像空间映射到一种服从高斯分布的不确定的特征空间,以自适应学习低质量X射线图像中的噪声。最后,设计三组对比实验模拟理想环境、恶劣环境及正常环境下的不同质量数据对模型识别性能的影响。实验结果表明,融合DUL模块的算法模型性能优于确定性模型,X射线图像分合闸平均识别精度提升2.64%;ResNet18+DUL表现最好,精度高达100%,适用于在线识别;MobileNetV3+DUL表现次之,精度高达97.83%,适用于离线识别。
关键词
低质量X射线图像
分合闸识别
数据不确定性学习
卷积神经网络
Keywords
low quality X-ray images
opening/closing recognition
data uncertainty learning
CNN
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CNN和DUL的电力设备低质量X射线图像分合闸识别
周静波
郝坤坤
吴安波
《工程数学学报》
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
