基于改进CNN的增强现实变压器图像识别技术.docxVIP

基于改进CNN的增强现实变压器图像识别技术 　　摘 要： 研究了增强现实变压器图像识别技术，为解决增强现实中变压器图像识别问题，首先在介绍深度学习的经典模型之一，即卷积神经网络CNN的基础上，提出基于两个并行结构的改进卷积神经网络模型，利用改进CNN模型对增强现实摄像头扫描得到的图像进行分类，实现变压器图形化识别。与普通卷积神经网络、SIFT图像识别算法等对比，改进CNN具有更低的错误率，并对变压器图像识别的准确率更高，通过仿真实验验证了此方法的准确性。　　关键词： 增强现实； 改进CNN； 变压器； 图像识别； 识别准确度； 卷积运算　　中图分类号： ?34 文献标识码： A 文章编号： 1004?373X07?0029?04　　Improved CNN based transformer image recognition technology　　in augmented reality environment　　LI Junfeng1， 2， HE Shuangbai2， FENG Weixia2， XIONG Shan2， XUE Jiang2， ZHOU Qingyun2　　　　Abstract： The image recognition technology of transformer in augmented reality environment is studied. In order to solve the problem of transformer image recognition in augmented reality environment， an improved convolutional neural network model based on two parallel structures is proposed on the basis of introduction of CNN as one of the typical deep learning models. The images obtained by scanning of an augmented reality camera are classified by means of the improved CNN to realize the transformer graphical recognition. In comparison with ordinary CNN and SIFT image recognition algorithm， the improved CNN has lower error rate， and higher accuracy for transformer image recognition. The accuracy of this method was verified with simulation experiments.　　Keywords： augmented reality； improved CNN； transformer； image recognition； recognition accuracy； convolution operation　　0 引 言　　增??现实作为虚拟现实技术的拓展，在近年来取得了很大的进展，通过将虚拟对象叠加到现实环境中增强对事物的认知，将现实中没有的物体具体化[1]。在电气工业中，增强现实技术的应用也日渐开展，利用增强现实技术实现事故模拟等现实中不宜直接试验的运行状况。增强现实中重要的一步是图像识别，在增强现实变压器事故模拟中，通过增强现实摄像头的扫描功能获取现实物体的图片，之后通过图像识别技术识别出目标对象变压器，然后才能在目标对象上建立变压器着火的虚拟景象，增加对变压器事故的认知。文献[2?3]研究了增强现实在教育、移动学习中的应用，其相应技术可以延伸到电气领域的作业工作辅助中，具有一定借鉴意义。　　本文在研究卷积神经网络的基础上，将其应用于增强现实变压器图像识别，提出基于两个拓扑结构的改进CNN模型，通过增强现实摄像头扫描得到变压器的图像，将其进行分类，解决变压器图形化识别问题。　　1 卷积神经网络及改进CNN模型　　 卷积神经网络结构　　卷积神经网络是神经科学与计算机科学相结合的成果，其设计灵感主要来源于视觉认知机制[4?5]。受视觉神经感受野的启发，卷积神经网络的神经元之间通过稀疏连接的方式进行连接，具有较多的隐含层，每一个隐含层有多个数据矩阵平面，每个数据矩阵平面的神经元共享权值参数矩阵。相比于传统的BP神经网络，卷积神经网络的隐含层增加了卷积层与降采样层，保证在提取特征的同时