基于改进双线性细粒度模型的压板状态识别

在变电站二次侧管理中,压板承担着重要作用。针对现有压板状态精确识别方法的缺失,提出一种融合注意力机制的双线性细粒度(Bilinear Convolutional Neural Networks, B-CNN)压板状态的识别模型。该模型首先通过注意力机制,将注意力集中到压板接触部分,再利用双线性细粒度算法,将重点集中到与压板开闭相关的关键区域,从关键区域中提取有效的特征以实现对压板状态的准确识别。实验表明,提出的改进模型能够实现压板端到端的状态识别,其识别准确率可以达到98%,与传统方法相比,精确率,召回率等有着明显的提升。