-
题名基于改进SinGAN的电力线巡检异物数据增强技术
被引量：5
- 1
-
-
作者
宋立业
王诗翱
刘昕明
刘卫东
-
机构
辽宁工程技术大学电气与控制工程学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2021年第1期165-173,共9页
-
基金
辽宁省重点研发指导计划(2019JH8/10100050)
辽宁省教育厅科学研究一般项目(LJYL013)资助。
-
文摘
针对电力线异物识别模型能使用的数据集较少,并且传统单幅自然图像的生成式模型(SinGAN)模型生成数据与异物识别模型匹配度不高、质量不佳、耗时过久的问题,提出了改进SinGAN模型。在改进SinGAN模型基础上加入仿射变换单元、大小变换单元进一步增强数据集,加入图像滤波单元提高电力线异物识别模型所需数据质量。并通过改进SinGAN反向传播训练过程和SinGAN的单精度生成器结构提升模型生成质量,减少所用时长。实验结果表明,经50次实验后,改进SinGAN的平均弗雷谢特起始距离(Fréchet inception distance, FID)为91.375,平均训练时长1.21 h。分别比传统SinGAN降低了27.247%和87.31%。改进SinGAN与其他主流生成式对抗网络相比有更好的异物数据生成能力,可以增强电力线异物识别模型所需数据,具有优越性。
-
关键词
电力线巡检
异物识别
数据集增强
生成式对抗网路
-
Keywords
power line inspection
foreign object recognition
data set enhancement
generative confrontation network
-
分类号
TM769
[电气工程—电力系统及自动化]
TN98
[电子电信—信息与通信工程]
-
