首页> 中文期刊> 《铁道学报》 >基于特征融合的变电设备类型及故障识别算法研究

基于特征融合的变电设备类型及故障识别算法研究

         

摘要

针对机器视觉智能巡检中,红外图像下变电站设备类型多、故障状态难以准确判别的问题,提出一种基于FastPCA和PHOG特征加权融合的电气设备类型及其故障状态识别算法.引入K-means算法完成红外图像分割;提取分割图像的FastPCA和PHOG特征并加权融合成新的混合描述子;将新的描述子作为训练好的SVM分类器的输入向量,实现目标巡检设备类型及故障的识别分类.试验结果表明:该算法在兼顾较高速度的基础上识别准确率也有明显提升,并且当现场运行环境改变时能快速地添加训练的新样本,尤其适合小样本下的机器学习.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号