基于圖像識別技術的變電站鳥巢智能辨識別技術研究與應用

陳小龍

（廣州供電局有限公司，廣東廣州，510000）

1 應用背景

目前的視頻監控系統并沒有自動分析功能，自動化程度低，運行人員不能利用這些監控系統及時發現問題，及時處理。為使監控系統功能更加智能化，需要利用圖像處理技術在視頻監控中自動識別異常事件及設備狀態，以機器的方式代替人力監控工作，對可能或已經發生的異常現象及時告警并保存現場的圖像資料，便于及時發現危險隱患，保障安全生產，為無人值守模式提供更完備、可靠的保障。本項目主要研究內容為基于深度學習算法的變電站內鳥巢智能識別研究。

2 國內外研究水平的現狀和發展趨勢

2.1 圖像識別技術

數字圖像處理和識別的研究開始于1965年。數字圖像與模擬圖像相比具有存儲，傳輸方便可壓縮、傳輸過程中不易失真、處理方便等巨大優勢，這些都為圖像識別技術的發展提供了強大的動力。現代圖像識別技術的一個不足就是自適應性能差，一旦目標圖像被較強的噪聲污染或是目標圖像有較大殘缺往往就得不出理想的結果。圖像識別問題的數學本質屬于模式空間到類別空間的映射問題。目前，在圖像識別的發展中，主要有三種識別方法：統計模式識別、結構模式識別、模糊模式識別[1]。

2.2 深度學習技術

現有的深度學習模型屬于神經網絡。神經網絡的歷史可追述到上世紀四十年代，曾經在八九十年代流行。神經網絡試圖通過模擬大腦認知的機理，解決各種機器學習的問題。……