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.

关键词：机器学习、特征识别与分类、K-means、FastPCA、PHOG、加权融合

所属期刊栏目：43

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;中国铁路总公司科技研究开发计划;河北省高等学校科学研究项目;中国铁路北京局集团有限公司科技研究开发计划

在线出版日期：2021-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：95-100