论文摘要
绝缘子串工作状态的智能监测是实现智能电网的重要前提;针对电网巡检图像中绝缘子串特征检测效果受复杂环境的影响;引入超像素和统计方法来降低复杂场景的难度,首先采用多尺度方式将图像分解为不同的层,然后采用SLIC将每层图像分解为不同大小的超像素,采用超像素特征来描述多尺度图像的某个区域位置的特征信息,得到图像的粗略显著区域,并作为样本集输入区域网络Region net进行处理,最后通过网络训练迭代得到准确完整的显著特征图;将提出算法和其它流行算法对不同环境中绝缘子串图像进行特征检测对比实验,证明提出算法的F-Measure以及平均误差MAE均优于当前流行算法。
论文目录
文章来源
类型: 期刊论文
作者: 纪超,黄新波,曹雯,朱永灿,张烨
关键词: 机器视觉,显著性检测,卷积神经网络,绝缘子串检测
来源: 计算机测量与控制 2019年05期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业,计算机软件及计算机应用,自动化技术
单位: 西安工程大学电子信息学院
基金: 国家自然科学基金(51707141),陕西省自然科学基础研究计划(2017JQ6054),西安工程大学博士启动基金(BS1505),陕西省重点科技创新团队计划(2014KCT-16),陕西省科学技术研究发展计划项目(2014XT-07),陕西省工业科技攻关项目(2015GY-075)
分类号: TM216;TP391.41;TP183
DOI: 10.16526/j.cnki.11-4762/tp.2019.05.004
页码: 13-17
总页数: 5
文件大小: 1735K
下载量: 149