基于多方法的输电线路异物识别技术研究
2021-01-10张厚海
科技信息·学术版 2021年8期
张厚海

摘要:近年来,因为风筝、气球、塑料布等异物对电网安全造成威胁的事件时有发生,不仅影响了线路的正常供电,甚至引发跳闸事故[1]。传统的输电线路异物检测采用人工巡检方式,该种方式工作效率低、巡检周期长、漏检率高,难以满足我国智能电网高速的发展的需要。因此,找到一种对输电线路周边状况及环境参数进行全天候监测,能够有效识别输电线路异物的技术和方法势在必行。本文研究了以图像形态学识别和结合深度学习的识别的多方法输电线路异物识别技术,该方智能化程度高,识别准确,是未来输电线路异物识别的发展方向。
关键词:图像识别;电力系统智能化;神经网络;输电线路异物
1.引言
目前国内外最常用的输电线路异物识别方法为形态学识别法,此方法主要应用图像处理和分析手段,识别方法简单有效、算法易于实现,适用于前期数据样本量较少的工程阶段。而随着设备的使用,样本数据不断累积,当获得大量的各类型异物图像数据之后,便可以使用基于深度学习的识别方法。相比于传统机器学习,深度学习具有更加优越的特征表达能力和更强的模型自主学习能力[2]。本方案设计了形态学与深度学习相结合的输电线路异物识别方案,可有效识别大部分异物。
2.输电线路采集图像的预处理方法介绍
2.1图像灰度化
摄像头等硬件设备采集到的图像通常为RGB格式,而基本的形态学处理方法没有必要获取图像的颜色宏观信息,因此要进行图像灰度化处理。……
登录APP查看全文
