针对鸟巢、导地线、防震锤和导地线线夹多目标干扰而导致间隔棒倾斜缺陷识别易出现错检、漏检等问题,提出一种电网线路间隔棒倾斜缺陷识别方法。构建激光雷达成像模型来校正电网线路图像;采用黑、白高帽变换来区分图像潜在的黯淡、明亮...针对鸟巢、导地线、防震锤和导地线线夹多目标干扰而导致间隔棒倾斜缺陷识别易出现错检、漏检等问题,提出一种电网线路间隔棒倾斜缺陷识别方法。构建激光雷达成像模型来校正电网线路图像;采用黑、白高帽变换来区分图像潜在的黯淡、明亮区域,并输入到所设计的空间关注分类模型中,确定每个集群的最小超球体半径;根据状态判别方程,去除干扰,完成多目标干扰下的电网线路间隔棒倾斜缺陷识别。经实验验证:所提方法的平均精度均值保持在0.85以上,测试时间为600 s时的帧率(frame per second,FPS)为48.6 f/s;在间隔棒倾斜的状态下,所提方法缺陷识别的平均正确率为95.18%,平均召回率为86.37%,平均F1分数为0.90,表明所提方法不存在错检、漏检,且计算效率高、缺陷识别精度高,适用于各种环境下的电网线路间隔棒倾斜缺陷识别。展开更多
文摘针对鸟巢、导地线、防震锤和导地线线夹多目标干扰而导致间隔棒倾斜缺陷识别易出现错检、漏检等问题,提出一种电网线路间隔棒倾斜缺陷识别方法。构建激光雷达成像模型来校正电网线路图像;采用黑、白高帽变换来区分图像潜在的黯淡、明亮区域,并输入到所设计的空间关注分类模型中,确定每个集群的最小超球体半径;根据状态判别方程,去除干扰,完成多目标干扰下的电网线路间隔棒倾斜缺陷识别。经实验验证:所提方法的平均精度均值保持在0.85以上,测试时间为600 s时的帧率(frame per second,FPS)为48.6 f/s;在间隔棒倾斜的状态下,所提方法缺陷识别的平均正确率为95.18%,平均召回率为86.37%,平均F1分数为0.90,表明所提方法不存在错检、漏检,且计算效率高、缺陷识别精度高,适用于各种环境下的电网线路间隔棒倾斜缺陷识别。