论文摘要
高光谱成像技术能对绝缘子进行非接触式成像,且具有多波段、图谱合一等特点.为此,本文提出一种基于高光谱成像技术的绝缘子污秽度预测方法.首先,利用高光谱成像仪对绝缘子进行成像,得到400～1 000 nm波段范围内的高光谱图像数据,并进行黑白校正;然后,获取感兴趣区域（region of interest,ROI）的反射率光谱曲线,进行Savitzky-Golay平滑、对数或一阶导数变换的预处理.最后,联合部分的真实样本标签数据分别建立基于支持向量机的绝缘子污秽度预测（support vector machines-insulator contamination degree prediction,SVM-ICDP）和基于偏最小二乘回归的绝缘子污秽度预测（partialleastsquaresregression-insulatorcontaminationdegree prediction,PLSR-ICDP）模型.从实验结果中可知,当预处理方法采用一阶导数变换时,所建立的绝缘子污秽度预测模型效果最佳,即SVM-ICDP模型准确率达到91.84%;PLSR-ICDP模型的均方根误差（root mean square error,RMSE）为0.024 1.
论文目录
文章来源
类型: 期刊论文
作者: 李恒超,谭蓓,杨刚,石超群,张血琴,吴广宁
关键词: 高光谱成像,绝缘子污秽度,支持向量机,偏最小二乘回归,预测模型
来源: 西南交通大学学报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,计算机软件及计算机应用
单位: 西南交通大学信息科学与技术学院,西南交通大学电气工程学院
基金: 国家自然科学基金资助项目(61371165),中央高校前沿交叉基础研究项目(A0920502051814-5),中央高校基本科研业务费专项资金资助项目(2682017CX044)
分类号: TM216;TP391.41
页码: 686-693
总页数: 8
文件大小: 1510K
下载量: 172