针对传统人工巡线的方法不适用于近距离监测配电线路绝缘子状态以及现有方法精度低等问题,提出一种基于深度迁移学习的配电线路绝缘子状态监测方法。首先,智能配电终端汇集配电线路上的摄像机获取的绝缘子图像,利用尺度不变特征变换(Ori...针对传统人工巡线的方法不适用于近距离监测配电线路绝缘子状态以及现有方法精度低等问题,提出一种基于深度迁移学习的配电线路绝缘子状态监测方法。首先,智能配电终端汇集配电线路上的摄像机获取的绝缘子图像,利用尺度不变特征变换(Oriented FAST and rotated BRIEF,ORB)算法提取图像特征,采用灰度质心法以保证图像特征点发生旋转后性质不改变。然后,根据获取的图像特征,将深度学习与迁移学习算法结合,对图像特征进行训练,实现绝缘子状态的分类。最后,基于Matlab仿真平台将所提方法与其他组合方法在常见场景中进行试验分析。试验结果表明,相比于其他组合方法,所提方法能够在不同环境中准确监测绝缘子状态,并且分类准确度更高。展开更多
文摘针对传统人工巡线的方法不适用于近距离监测配电线路绝缘子状态以及现有方法精度低等问题,提出一种基于深度迁移学习的配电线路绝缘子状态监测方法。首先,智能配电终端汇集配电线路上的摄像机获取的绝缘子图像,利用尺度不变特征变换(Oriented FAST and rotated BRIEF,ORB)算法提取图像特征,采用灰度质心法以保证图像特征点发生旋转后性质不改变。然后,根据获取的图像特征,将深度学习与迁移学习算法结合,对图像特征进行训练,实现绝缘子状态的分类。最后,基于Matlab仿真平台将所提方法与其他组合方法在常见场景中进行试验分析。试验结果表明,相比于其他组合方法,所提方法能够在不同环境中准确监测绝缘子状态,并且分类准确度更高。
