基于正样本学习的变电站避雷器破损识别方法

为解决变电站避雷器破损样本图片少，图像识别成功率低的问题，提出了一种基于正样本学习的变电站避雷器破损识别方法。对变电站避雷器图像数据进行噪声过滤，消除环境因素对识别的影响，检测识别避雷器的边缘，并提取避雷器图像区域数据。在此基础上，采用卷积神经网络对正常的避雷器图片进行学习，获得正样本重建数据。并将当前避雷器图像与正样本进行比较，从而对破损避雷器进行识别。将该方法应用于在某地区变电站，实际识别成功率为96.8%；其结果验证了文中所提方法的有效性。