使用深度分离卷积网络实现继保压板状态识别

摘要

变电站内继电保护压板的核对一直以来都是依靠人工进行操作,并且变电站继电保护压板装置众多,人工核对压板方式费时费力且易出错.文章提出一种利用深度可分离卷积网络实现继电保护压板识别的方法.首先,基于TensorFlow机器学习平台创建深度可分离卷积网络;然后,对采集的压板图像进行标注,形成数据集,并对网络进行训练,得到图像识别模型;最后,使用TensorFlow Lite对模型进行转换和优化,并将其应用于嵌入式系统.试验结果表明,深度可分离誊积网络在嵌入式系统上运行性能和识别速度达到预期效果,压板开合状态识别正确率达100％,具有广泛应用价值.