基于改進HOG特征提取與SVM分類器輸電線路金具識別

閆樂樂, 余宏杰

(安徽科技學院 機械工程學院,安徽 鳳陽 233100)

遠距離輸電的主要方式是高壓、超高壓,保障輸電線路安全運行,關系到下游千萬人民的安居樂業[1]。目前輸電線路巡檢方式主要是人工巡檢,但在偏遠地區,人工巡檢并不能及時巡查到故障點,那么巡檢機器人應用到輸電線路上,將會給巡檢工作帶來巨大便捷。巡檢機器人在線路上工作時,對不同的金具采取不同的越障方式,那么金具的識別檢測將會對巡檢機器人[2]越障帶來指導。同時,金具發生故障時,巡檢機器人也會識別金具種類,可為后續工作人員更換設備帶來指導,保證輸電線路發生障礙時,及時排查故障,從而保證電力系統的安全穩定,減少因為大面積停電帶來的重大經濟損失[3]。因而針對輸電線路金具識別檢測有極大的經濟實用價值。

目前,機器學習對金具的識別檢測主要是從特征提取[4]方面著手。針對圖像預處理階段的改進研究相對來說較少,肖志云等[5]對輸電線路金具檢測研究主要是采用特征融合技術,將顏色特征與紋理特征相融合,進行識別檢測,比單獨進行顏色特征與紋理特征檢測精確度提高10%以上。戴玉靜等[6]針對金具表面腐蝕現象,將顏色特征和紋理特征相融合,識別腐蝕金具的正確率為93.10%。胡彩石等[7]利用傳感器檢測識別障礙物,對圖像進行處理后,利用圖像基元加以約束,實現障礙物的檢測識別,該方法優勢在于實現方式簡單,但缺點也很明顯,準確率不高。……