文献类型：期刊文章

作　　者：黄新波[1] 章小玲[1] 张烨[1] 杨璐雅[1] 刘成[1] 李文静[2]

HUANG Xinbo;ZHANG Xiaoling;ZHANG Ye;YANG Luya;LIU Cheng;LI Wenjing(College of Electronics and Information,Xi’an Polytechnic University,Xi’an 710048,China;College of Intelligent Manufacturing,Chongqing Water Resources and Electric Engineering College,Chongqing 402160,China)

机构地区：[1]西安工程大学电子信息学院,陕西省西安市710048 [2]重庆水利电力职业技术学院智能制造学院,重庆市402160

出　　处：《电力系统自动化》

基　　金：陕西省教育厅专项科研计划资助项目（18JK0345）;陕西省重点项目——工业领域资助项目（2018ZDXM-GY-040）;重庆市教委科学技术研究项目（KJ1735449）~~

年　　份：2020

卷　　号：44

期　　号：3

起止页码：201-210

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：输电导线作为承担电能传输任务的重要部件,及时发现其本体缺陷对指导维修避免重大电力事故的发生具有重要意义。考虑到无人机巡检中输电导线背景的复杂性和导线表面缺陷检测的困难度,提出一种基于径向基概率神经网络的输电导线缺陷状态识别方法。首先,依次采用加权色差法、最大类间方差法以及形态学滤波实现复杂背景下输电导线的准确分割。其次,将分割出的导线区域等距划分为10个导线子图像,通过Gabor滤波器获得输电导线8个角度、5个尺度的40幅纹理增强子图像,提取各个子图像的粗糙度、对比度和方向度3个纹理特征量,结合特征方差比筛选出10个强纹理特征;最后,将10个强纹理特征量作为径向基概率神经网络的输入,完成输电导线缺陷状态的识别。实验结果表明所提方法可以实现复杂背景下输电导线快速分割与缺陷状态的准确识别,为无人机巡检中输电导线的运行状态检测提供了新的思路。

关 键 词：输电导线 加权色差法  图像分割 纹理特征提取 径向基概率神经网络

分 类 号：TM75]