基于正样本学习的变电站避雷器破损识别方法 |
| |
引用本文: | 唐冬来,廖强,李科峰,龚奕宇,聂潇.基于正样本学习的变电站避雷器破损识别方法[J].电子设计工程,2023(11):6-9+15. |
| |
作者姓名: | 唐冬来 廖强 李科峰 龚奕宇 聂潇 |
| |
基金项目: | 国家重点研发计划项目(2019YFB2103000); |
| |
摘 要: | 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。
|
关 键 词: | 正样本 变电站避雷器 破损识别 语义分割 卷积神经网络 边缘点检测 |
|
|