基于语义分割与连通区域标记的隔离开关状态识别方法

提出一种基于语义分割与连通区域标记的隔离开关状态识别方法.首先,提出基于语义分割算法的隔离开关像素提取方法,将图像按照语义类别进行像素分类,实现对开关臂所在像素的提取.其次,提出基于区域生长算法的语义分割图像标记方法,实现对隔离开关连通区域的标记,并提出面积排序统计方法优化面积阈值和消除非开关臂区域.最后,根据开关臂连通区域个数判断隔离开关状态.通过引入风格迁移算法生成隔离开关风格化图像增强训练集,提升污损图像中隔离开关定位、分割的准确性.实验结果表明所提方法能够准确定位、分割隔离开关,并识别开关状态.     

基于语义分割与证据理论的电杆倾斜检测及风险评估方法

随着无人机成为电力巡检的重要方式，基于机器视觉技术的无人机图像分析方法可为电杆倾斜检测及风险评估提供辅助手段。提出一种基于语义分割与证据理论的电杆倾斜检测及风险评估方法。基于U-Net和连通区域标记算法的电杆图像分割方法，对图像按照语义类别进行逐像素分类，并利用连通区域标记算法消除非电杆区域。在构建电杆倾斜判据的基础上，提出基于证据理论的电杆倾斜检测方法，利用合成规则将多个判据的结论融合。给出电杆倾斜风险评估方法，并将倾斜等级作为评估结果。实验结果表明所提方法可提高检测的准确性。