基于GLRLM-SVM的電表版本分類方法研究

章煒,方夏,費明暉,王杰,馮戰,呂俊杰

(1.四川大學機械工程學院,四川成都 610065；2.國家電網許繼集團有限公司,河南許昌 461001； 3.國家電網天府新區供電公司,四川成都 610065)

0 前言

智能電表是每個家庭必不可少計的電能測量儀器，每年因為設備故障、功能性更換或升級、政策性拆除等原因，國家電網公司需要拆除并回收大量電表。為建立和完善拆回電表的質量管理體系與回收體系，從而提高電表使用年限、避免用戶爭議、改善服務質量，需建立每個電表參數信息、廠商信息與回收原因或故障數據的特征數據庫。電表版本信息錄入是其中重要一環，但由于電表的不同生產廠商、不同類型標準、廠商生產時的電表數據庫信息記錄不盡相同等原因，只能通過拆回電表特定區域的外形特征獲取電表版本信息。

隨著人工智能技術的發展，根據任務精度和效率要求，機器學習算法模型被廣泛應用在工業視覺檢測任務中。圖像識別精度與圖像特征提取的可分性程度有很大關系，紋理特征提取是機器視覺領域一個重要的研究方向，能有效地表征圖像差異信息。經過多年的持續研究，紋理特征領域誕生了許多不同類別的理論與算法。目前，研究人員將常見的紋理特征主要分為統計方法、結構方法、基于變換的方法、基于模型的方法、基于圖的方法、基于學習的方法、基于熵的方法七大類。例如，劉磊等人基于幾何特征、灰度特征、灰度共生矩陣(GLCM)特征實現ABS齒圈表面缺陷檢測，并達到99.4%的準確率；……