技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的電網(wǎng)設(shè)備分類方法，步驟1，根據(jù)已有的電網(wǎng)設(shè)備圖像訓(xùn)練集和測(cè)試集，訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型；輸入層對(duì)輸入的圖像數(shù)據(jù)進(jìn)行預(yù)處理，用以增大數(shù)據(jù)量；卷積層的數(shù)量不大于N，N+1為常用卷積神經(jīng)網(wǎng)絡(luò)卷積層的層數(shù)；步驟2，利用訓(xùn)練完成的卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)需分類的電網(wǎng)設(shè)備圖像進(jìn)行分類。本發(fā)明利用數(shù)據(jù)增強(qiáng)技術(shù)將輸入圖像數(shù)據(jù)進(jìn)行預(yù)處理，增大數(shù)據(jù)量，解決了數(shù)據(jù)量不足會(huì)導(dǎo)致網(wǎng)絡(luò)過(guò)擬合，精度下降的問(wèn)題；鑒于訓(xùn)練數(shù)據(jù)的數(shù)量較少，削減了卷積層數(shù)量和卷積核數(shù)目，同時(shí)增大卷積核的尺寸，減小了每層卷積層所提取出的特征圖的大小，從而減少了卷積層提取出的特征數(shù)量，同樣起到了防止過(guò)擬合的作用，提高了精度。

技術(shù)研發(fā)人員：路永玲;胡成博;陶風(fēng)波;徐家園;徐長(zhǎng)福;馬展;岳濤;劉浩杰;陳彤;丁俊峰;洪煒鑫
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)江蘇省電力公司電力科學(xué)研究院;國(guó)家電網(wǎng)公司;南京大學(xué)
文檔號(hào)碼：201710079894
技術(shù)研發(fā)日：2017.02.15
技術(shù)公布日：2017.06.27