胡 鑫 欧阳华 尹 洋

（海军工程大学电气工程学院 武汉 430033）

1 引言

变电站稳定性要求高，分布范围广，但维护人员少，维护路线长。在这种复杂环境下，仪表的种类繁多。变电站设备的巡检普遍还是采用人工巡检的方式，巡检一次通常要2h～3h，该方式劳动强度大、效率低、检测质量分散性大，巡检人员维护能力不足，对供电保障造成极大影响。所以将先进的识别算法引入工业仪表识别领域，以解决目前自动识别在准确率、泛化能力等方面的不足，并将仪表自动识别应用于机器人巡检［1］之中，通过机器人实时识别仪表类型，解放劳动力，这也将成为未来的发展趋势。1959年Hubel［2］发现在猫的初级视觉皮层之中存在简单细胞和复杂细胞，分别承担不同层次的视觉感知功能。这些细胞对视觉输入空间的子区域非常敏感，我们称之为感受野。而卷积神经网络的正式提出，是由 Yann LeCun［3］于 1998 年提出，在卷积神经网络之中引入了反向传播算法，在手写数字识别上有了很大的成功。进而，卷积神经网络真正开始了深度学习的新篇章，各种基于卷积神经网络的改进模型不断被提出，应用于图像各个领域。例如在2014年3月，一支由汤晓鸥［4］领导的中国人工智能团队发布其原创的人脸识别算法研究成果，准确率达到98.52%，首次超越人眼识别能力。英特尔公司的研究人员提出的LPRNet［5］（License Plate Recognition via Deep Neural Net⁃works），采用一种端到端的识别方案，不需要进行图片的分割，速度快，准确度高于95%，在大陆多种车牌上取得了不错的效果。……