引言
电缆终端头是电力系统的重要组成部分，其运行状态影响电网安全。红外成像技术因其非接触性和穿透力强[1]，在电缆终端头识别中得到广泛应用。然而，复杂背景使传统红外识别算法容易出现识别错误、实时性差等问题[2]，从而导致其状态诊断结果无法及时匹配对应的设备类型，影响运行状态系统的正常运行。
近年来，神经网络在图像识别中广泛应用[3]，能够在复杂环境中准确识别目标物体。将红外图像处理算法与神经网络结合是更优解。目前，电力巡检中常用的神经网络包括BP神经网络、卷积神经网络和生成对抗网络。然而，这些算法通常依赖计算机平台，难以满足电力巡检对便携性和实时性的要求，因此需要移植到嵌入式平台。考虑到嵌入式硬件资源，BP神经网络因其简洁结构和较低计算需求，更适合硬件部署，但其容易陷入局部最优，而PSO算法可以优化BP神经网络的初始权重和偏置，显著提升识别效果[4]。
在硬件设备的选择上相比于DSP+ARM架构，FPGA凭借其并行处理能力和高速计算优势[5]，更适合进行电站中的数据处理[6]，近年来已广泛应用于高速图像处理领域。
本文基于以上分析提出一种基于PSO-BP神经网络优化红外识别算法的FPGA系统，通过FPGA并行计算和流水线结构优化，实现电缆终端头红外图像的实时、准确识别。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000006602
作者信息：
吴卫堃1，郑耀华1，曾彦超1，曾祥伟1，巫志安1，李嘉成1，周骞2，袁超2
（1.广东电网有限责任公司肇庆供电局，广东 肇庆526000；
2.湖南大学 电气与信息工程学院，湖南 长沙410000）
此内容为AET网站原创，未经授权禁止转载。
