基于深度学习的配电设备智能识别技术研究

针对当前配电设备识别技术存在资源消耗大、智能化程度低、效率低、自动化处理困难等问题,文中提出一种基于深度学习的配电设备智能识别技术。通过对待监测区域安装网络摄像设备采集待监测区域图像数据,将采集原始数据通过网络传输至服务器端,服务器端通过深度学习相关技术对图像数据进行处理识别,引用数据挖掘和人工智能相关算法,最终给出相关配电设备的识别结果,并将结果反馈至监控端。相较于传统方法,本技术利用远程网络设备代替人工巡查,采用深度学习技术智能识别配电设备代替人工辨别,并可在异常情境下及时给出预警信号,具有低消耗、高智能、高效率、易实现的优点。在实验测试中,本识别技术对各类主要配电设备平均识别率达84