基于卷积神经网络的电网变压器铭牌识别技术研究

王元峰 龙思璇 曾惜 王宏远 林家杰 陈华彬

摘要：针对现有的CNN网络模型在电网变压器铭牌识别应用中容易发生过拟合，训练速度慢等问题，为提高变压器铭牌识别准确率，提升训练效率，基于传统CNN算法理论提出一种I_CNN算法。首先设计全局池化层来代替传统CNN网络中的全连接层，降低过拟合风险;然后引入一种改进的softmax分类器构建softmax分类层，有效提高训练效率;最后使用实地采集的变压器铭牌图片数据集上训练I_CNN网络模型，识别准确率达96.21%，并通过对比实验表明，本文提出的I_CNN算法具有较高的准确率和训练效率。

关键词：卷积神经网络;图片识别;变压器;铭牌识别

中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2020）07-0113-03

0 引言

电网变压器是供配电系统中关键的一个环节，起到电力系统中电压等级的变换的作用，是电能输送、分配和使用的关键设备。所以，对电网变压器的运维工作显得尤为重要。电网变压器的运维工作一般从变压器的铭牌出发，铭牌就类似于变压器的一张“身份证”，从铭牌上可以获取变压器的编号和主要技术参数，为运维工作的开展提供更加充足的信息支持。但由于铭牌贴附在变压器表面，而变压器投入使用后基本都处于带电工作状态，而且相对位置都较高，加之雨水腐蚀、自然风化等条件影响，对变压器铭牌信息的采集和整理都十分困难。

图像识别是近几年人工智能领域的主要研究方向之一，在配电网络运维领域，图像识别可以根据现场采集的图像数据进行模型训练，从而对图像数据中提取出关键信息，为运维工作提供指导。……