基于脑启发视觉神经元网络输电线路部件识别的研究

摘要

cqvip:输电线路关键部件的检测对电力系统的设备安全及系统稳定运行起着关键作用。基于机器视觉和深度学习的输电塔线巡检技术检测耗能大,花费时间长,难以满足高效低耗与实时检测的要求。为了完成对输电线路部的快速准确识别,本文将生物视觉理论中特征提取计算模型和更为高效的脉冲神经网络相结合,提出了一种基于脑启发的多层神经元网络模型以模拟视觉感知的流程。在频率编码、突触电导和侧抑制连接等多种生物可信神经机制下,通过无监督脉冲放电时间依赖可塑性规则进行特征学习,并基于有监督规则进行识别和分类,验证了该模型在输电线路部件识别上的良好性能,并基于现场可编程门阵列芯片实现了所提出的神经元网络模型,为之后应用于输电线路故障的在线智能化检测提供了一种可能途径。