Indexed by：
Abstract：
针对无人值守变电站异物如鸟巢、风飘物入侵的情况,提出一种基于改进卷积神经网络的异物图像识别方法,利用K-means算法对异物图像尺寸聚类以设定锚框尺寸,增添上采样模块以加强特征融合,采用深度可分离卷积方式以减少计算量,同时修正损失函数以提升对重叠目标的识别能力。最后对福建某变电站的监控图像进行异物识别,准确率为91.9%,证明了方法的有效性。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
科学技术与工程
ISSN： 1671-1815
CN： 11-4688/T
Year： 2022
Issue： 04
Volume： 22
Page： 1465-1471
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
