基于改进孪生神经网络的精准识别系统研究

为提高变电站环境监控及风险识别准确率,提出一种基于改进孪生神经网络的识别方法。通过在孪生神经网络中引入特征对比模块、CBAM注意力机制、DLA多尺度融合,有效解决了变电站环境监控图像中光影变化、背景变化和多尺度图像带来的识别精度低的问题,实现了变电站环境监控与风险的准确快速识别。仿真结果表明,所提方法具有一定的有效性和优越性,相较于孪生神经网络、YOLOv3、SVM、KNN模型,所建模型在各项性能指标上的表现更好,准确率、查准率、召回率、F1值和F2分别达到94.11%、92.56%、98.46%、93.27%、96.39%,且能快速、实时分类识别异常图像,对每张图像的检测用时为0.076 s。