基于改进cnn的增强现实变压器图像识别技术

《基于改进cnn的增强现实变压器图像识别技术》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。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

2、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　　ImprovedCNNbasedtransformerimagerecognitiontechnology　　inaugmentedrealityenvironment　　LIJunfeng1，2，HEShuangbai2，FENGWeixia2，XIONGShan2，XUEJiang2，ZHOUQingyun2　　　　Abstract：Theimagerecognitiontechnolo

3、gyoftransformerinaugmentedrealityenvironmentis为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。studied.Inordertosolvetheproblemoftransformerimagerecognitioninaugme

4、ntedrealityenvironment，animprovedconvolutionalneuralnetworkmodelbasedontwoparallelstructuresisproposedonthebasisofintroductionofCNNasoneofthetypicaldeeplearningmodels.TheimagesobtainedbyscanningofanaugmentedrealitycameraareclassifiedbymeansoftheimprovedCNNtorealizethetransformergraphicalrecognit

5、ion.IncomparisonwithordinaryCNNandSIFTimagerecognitionalgorithm，theimprovedCNNhaslowererrorrate，andhigheraccuracyfortransformerimagerecognition.Theaccuracyofthismethodwasverifiedwithsimulationexperiments.　　Keywords：augmentedreality；improvedCNN；transformer；imagerecognition；recognitionaccuracy；con

6、volutionoperation　　0引言为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　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

7、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