电子设计工程ElectronicDesignEngineering第31卷Vol.31第6期No.62023年3月Mar.2023收稿日期：2021-09-03稿件编号：202109022作者简介：张蕾（1993—），女，甘肃白银人，工程师。研究方向：网络安全、物联网安全。深度学习理论要求在可视层结构中，每一个神经节点都与一个输入数据的特性信息一一对应，而对于可视层的隐藏层结构而言，在已知网络层节点排列顺序的情况下，任何一个其他层次节点都可以被看作是独立存在的。因此，为了保证可视层输入参数的计算准确性，需要在已知隐藏输入信息的基础上，对神经节点的数量级水平进行实时统计，再联基于深度学习的电力图像目标自动识别方法张蕾1，白万荣1，陈佐虎2，魏峰1，张珍芬2（1.国网甘肃省电力公司电力科学研究院，甘肃兰州730070；2.甘肃同兴智能科技发展有限责任公司，甘肃兰州730050）摘要：为有效控制电力目标节点处的功率数值下降趋势，避免配电网出现强烈扰动的信号量输出情况，提出基于深度学习的电力图像目标自动识别方法。根据灰度变换法则，处理已获取的图像均值信息，结合颜色还原原理，实现对电力设备图像的增强性处理。根据深度学习理论校正电力图像的目标标签，通过分割边缘特征，得到准确的识别节点匹配结果，完成基于深度学习的电力图像目标自动识别方法的设计与应用。实例分析结果显示，与改进Faster-RCNN型定位方法相比，在深度学习原理作用下，电力目标节点处的功率数值下降量更小，可避免配电信号受到强烈扰动影响，实现对电功率下降趋势的有效控制。关键词：深度学习；电力图像；目标识别；均值信息；目标标签；边缘特征中图分类号：TP391文献标识码：A文章编号：1674-6236（2023）06-0048-04DOI：10.14022/j.issn1674-6236.2023.06.011AutomatictargetrecognitionmethodofpowerimagebasedondeeplearningZHANGLei1，BAIWanrong1，CHENZuohu2，WEIFeng1，ZHANGZhenfen2（1.ElectricPowerResearchInstituteofStateGridGansuElectricPowerCompany，Lanzhou730070，China；2.GansuTongxingIntelligentTechnologyDevelopmentCo.，Ltd.，Lanzhou730050，China）Abstract:Inordertoeffectivelycontrolthedownwardtrendofpowervalueatthepowertargetnodeandavoidthesignaloutputofstrongdisturbanceinthedistributionnetwork，anautomatictargetrecognitionmethodofpowerimagebasedondeeplearningisproposed.Accordingtothegraytransformationlaw，theobtainedimagemeaninformationi...
