典型文献
基于机器学习图像识别分类的无人机电力巡检方法
文献摘要：
为了提高无人机电力巡检的效果,设计一个基于机器学习图像识别分类的无人机电力巡检方法.设计巡检流程,控制无人机航迹,获得巡检图像,对图像灰度化处理及增强处理,采用去噪方法去除图像中的噪声,提取图像的局部纹理特征和尺度不变换特征,采用高斯金字塔确定极值点,提取到图像关键点,在此基础上,采用机器学习中的支持向量机方法对图像分类与融合,将处理后的数据作为输入层,采用人工神经网络不断计算,输出巡检结果,以此完成基于机器学习图像识别分类的无人机电力巡检.实验结果表明,所研究的电力巡检方法能够获得非常清晰的巡检图像,并在多个电网绝缘子识别上,具有较高的识别准确性,在电线缺陷上,漏检数量较少,有效提高了无人机电力巡检效果,满足方法的设计需求.
文献关键词：
机器学习;图像识别;分类;电力巡检;图像增强;纹理特征
中图分类号：
作者姓名：
周凯;吴凯悦;张笑迪;赵璧;李龙吉;陈泽
作者机构：
国网北京市电力公司检修分公司,北京100073;国网冀北电力有限公司超高压分公司,北京102488
文献出处：
引用格式：
[1]周凯;吴凯悦;张笑迪;赵璧;李龙吉;陈泽-.基于机器学习图像识别分类的无人机电力巡检方法)[J].电力大数据,2022(06):49-55
A类：
B类：
基于机器学习,图像识别,识别分类,无人机电力巡检,检方,无人机航迹,图像灰度化,灰度化处理,用去,去噪方法,纹理特征,尺度不变,高斯金字塔,极值点,取到,支持向量机方法,图像分类,输入层,人工神经网络,断计,出巡,绝缘子识别,电线,线缺陷,漏检,设计需求,图像增强
AB值：
0.30936
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
