基于機器學習的航拍圖像絕緣子識別方法研究.pdf

1、絕緣子由于長期暴露在野外，容易發(fā)生故障，因此絕緣子的狀態(tài)監(jiān)測至關重要。隨著輸電線路規(guī)模的逐漸擴大，直升機巡檢輸電線路的方式逐步取代人工徒步巡檢。巡檢人員通過直升機航拍大量圖像、視頻數據，通過后期圖像處理技術實現巡檢目標的自動分類與檢測，極大地提升了輸電線路巡檢的自動化水平以及巡檢的安全性和有效性。本文主要研究了航拍圖像中絕緣子設備的識別定位圖像算法，為后期的設備故障檢測提供了前期理論基礎，同時對于實現直升機巡檢輸電線路的數字化、智能化具

2、有重要意義。
　　首先，本文引入機器學習、圖像識別的基本概念，并對當前機器學習和圖像識別的研究現狀作以介紹，并歸納了當前絕緣子設備的識別方法；然后，本文介紹了基于機器學習的圖像識別基本流程以及本文識別方法涉及到的相關理論內容，包括圖像數據集的獲取、圖像預處理、Haar-like特征、不變矩特征和識別效果評價參數，并重點分析了AdaBoost算法，闡述了該算法的算法步驟、誤差分析等內容；最后，本文在AdaBoost級聯分類器的基礎上

3、提出了兩種絕緣子識別方法。一種是結合目標建議Bing的方法，識別過程包括了目標建議、分類器識別、檢測窗融合三個模塊。通過結合目標建議Bing的方法，生成相比于滑動窗數量級驟減的檢測窗，快速實現檢測窗的生成。另一種是結合絕緣子3D模型擴充正樣本和骨架提取算法，識別過程包括：3D建模、分類器識別和骨架提取三個模塊。通過粗定位與細定位算法的分步實現，精確定位圖像中的絕緣子設備。對于這兩種方法，分別介紹了識別流程與方法優(yōu)化部分，著重闡述了所提出