基于傅立叶变换的电网线路污闪绝缘子检测研究

发布时间：2024-02-21 08:36

　　随着机器学习和无人机技术的不断发展,无人机电力巡检逐步取代了传统的人工巡检方式。近年来对配电线路已有相当数量的图像在线监测系统或图像巡视系统,如利用无人机装载可见光摄像机等进行巡线。但是在巡视结束后,这些系统会获取大量的图像信息,而大量的图像依然是由人来检查,智能化程度不高,而且如果对这些数据采用工作人员主观判断而没有图像自动分析功能的话,极易出现误判或漏判的情况,难以准确发现配电设备的安全隐患,不能满足智能电网建设的需要。因此,提出采用图像处理技术和机器学习中的核密度估计算法对航拍图像分类,将正常的图片和有绝缘子污闪的图片分开,减轻工作人员的工作量,并能够更快的定位和发现问题,满足智能配电网建设的需要。

【文章页数】：4 页

【部分图文】：

图3实验数据集

正确率，用ACC表示，如式（5）。表1参数含义

图1配电线路图像预处理过程

之后，对其进行缩放和频移，可以使得频谱更加规律和易于观察，整体的变换过程如图2。由于截取的图像大小并不统一，导致各图像的频谱特征向量维度各不相同，所以在本文中将每一张截取的绝缘子样本的频谱幅度平均值作为该样本的特征。

图2图像的傅里叶变换过程

由于截取的图像大小并不统一，导致各图像的频谱特征向量维度各不相同，所以在本文中将每一张截取的绝缘子样本的频谱幅度平均值作为该样本的特征。2.2单分类模型

本文编号：3905238