基于改进卷积神经网络的变电站异物入侵识别

摘要

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。