- · 关于领取2020年南京市机械工程高级《专业技术资格评审申报表》和《评审、备案情况登记表》的通知[01/22]
- · 关于重申退还2020年评审费差价的通知[01/19]
- · 关于领取2020年南京市机械工程初/中级《专业技术资格评审申报表》和《评审、备案情况登记表》的通知[01/05]
- · 关于公布2020年度南京市机械工程高级专业技术资格评审委员会评审结果的通知[12/29]
- · 关于退还2020年评审费差价的通知[12/23]
- · 关于确认李伟祥等89名同志具备2020年度机械工程助理级专业技术资格的通知[12/17]
- · 关于公布南京市机械工程中级专业技术资格评审委员会评审结果的通知[12/15]
- · 关于省（部）属企事业单位不在南京市参评职称 及退还评审费的说明[11/13]
基于ResNet-18-KNN的变电站人员电气违规行为识别
作者:白景涛 周照宇 王中一 孙黎霞
关键词: 深度学习; 迁移学习; 数据增强; 电气违规; 行为识别; KNN; 智能变电站;
摘要：为了降低变电站工作人员在作业过程中的电气违规行为发生率,减少电力事故频次,将迁移学习方法、残差网络和K最近邻（KNN）分类器进行有效结合,建立了ResNet-18-KNN模型。使用图像增强方法对样本进行数据增强扩充,解决样本数据不足且不均衡的问题;使用残差网络完成数据特征向量的提取;采用KNN分类器完成变电站人员电气违规行为的识别。根据实际电网算例,该方法与其他网络模型相比较,具有更好的性能,可以准确地判断变电站人员是否有电气违规行为,准确率达到90.7%。