基于多尺度网络的绝缘子自曝状态智能认知方法研究

摘要

针对已有绝缘子状态识别模型,以及深层网络尺度和交叉熵损失函数的缺陷,仿照运维人员检修模式,即依据评测结果的可信度动态决策,基于多尺度网络构建了 一种绝缘子 自曝状态智能认知方法.首先,面向定位归一化化预处理后的绝缘子图像,基于ResNet-18增加不同结构的网络分支提高网络适应不同分辨率的能力,同时在网络末端添加多尺度信息融合模块;其次,随机配置网络面向多个尺度特征,构建了泛化的 自曝状态分类认知准则;最后,为了评测 自曝状态分类认知结果的可信度,基于定义的误差指标 自调节多尺度网络架构,重构不确定认知结果约束下的特征向量和分类认知准则,以进行自曝状态再认知.实验结果显示,与其他方法相比,所提出的智能认知方法增强了模型的泛化能力和认知精度.