輸電線路上鳥巢的檢測算法研究.pdf

1、輸電線路上的鳥巢檢測是智能電網(wǎng)中智能巡檢的重要研究內(nèi)容，鳥類在輸電線路桿塔上的筑巢會對輸電線路等設備造成不良影響，甚至危害電網(wǎng)的安全運行。然而傳統(tǒng)的人工巡檢輸電線路的方式耗時耗力且存在危險，給電力工作者帶來很大的困擾。因此，急需對輸電線路的自動檢測技術(shù)和系統(tǒng)。本文在調(diào)研國內(nèi)外相關(guān)工作基礎上，設計了基于計算機視覺和機器學習的輸電線路鳥巢圖像自動檢測系統(tǒng)，為電網(wǎng)智能巡檢提供算法和技術(shù)。
　　本文首先根據(jù)已有數(shù)據(jù)集建立兩千多張含有鳥巢的

2、高壓輸電線路圖像數(shù)據(jù)庫，并將其從整體上分為兩大類:(1)簡單圖像:鳥巢枝條明顯裸露的圖像;(2)復雜圖像:鳥巢枝條模糊不清。針對這兩大類圖像，本文分別設計了兩類不同的解決方案，并進行了實驗對比和分析。最終有監(jiān)督算法中基于深度學習的方案可以獲得更高的檢測性能。本文的主要工作有:
　　(1)提出了基于K-Means以及GMM(Gaussian Mixture Model)的無監(jiān)督鳥巢檢測算法，并在第一類圖像上驗證。對于第一類圖像，首先

3、進行預處理，即去除干擾物，留下鳥巢枝條部分。然后利用漸進式霍夫變換提取線條，針對鳥巢這一類特定目標，設計了鳥巢枝條長度直方圖與方向直方圖特征，最終結(jié)合PCA(Principal Components Analysis)實現(xiàn)無監(jiān)督鳥巢識別的目的。
　　無監(jiān)督方案不需要進行大量樣本的機械化標注工作，也不需要進行復雜的訓練過程，且算法實現(xiàn)效率高，但因其魯棒性不強，本文還設計了三種有監(jiān)督的方案進行鳥巢檢測，并在兩類圖像集上進行定量驗證。<

4、br>　　(2)對從第一類圖像中收集到的直方圖信息進行人工分類并加注標簽，然后將其作為學習樣本輸入到KNN(K-Nearest Neighbor)算法中進行訓練，訓練完成后對未知標簽樣本進行兩種參數(shù)下的實驗對比;
　　(3)從兩類圖像中截取鳥巢樣本以及非鳥巢樣本，基于兩類樣本的Haar特征及LBP(Local Binary Pattern)特征訓練AdaBoost分類器，實驗表明基于LBP特征的分類器可以達到更高的檢測準確率;