[發明專利]基于HOG特征和機器學習的輸電線路鳥巢識別方法

有效

• 申請號: 201810267140.3
• 申請日: 2018-03-28
• 公開（公告）號: CN108537154B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 侯春萍;章衡光;楊陽;管岱;郎玥
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

本發明屬于電力技術和計算機視覺領域，為將正常的圖片和有鳥巢的圖片分開，更快的定位和發現問題，滿足智能電網建設的需要，本發明，基于HOG特征和機器學習的輸電線路鳥巢識別方法，步驟如下：一、方向梯度直方圖HOG特征提取；二、主成分分析三、訓練支持向量機SVM分類器1)歸一化；2)提取上一步中所得的訓練集的特征向量組成分類器的訓練集，并制作符合SVM格式的標簽文件；3)通過測試找到最佳參數；四、輸入測試集圖像，利用訓練好的分類器進行分類，輸出最終的分類結果。本發明主要應用于利用圖像自動識別電力設備鳥巢故障的場合。

技術領域

本發明屬于電力技術和計算機視覺領域，涉及一種基于方向梯度直方圖(HOG)特征與機器學習的輸電線路鳥巢識別的方法。具體講,涉及基于HOG特征和機器學習的輸電線路鳥巢識別方法。

背景技術

輸電線路在電力系統中起著非常重要的作用，直接關系到社會各行各業的用電問題，大規模的斷電將會給國家的經濟發展帶來不可估量的損失。因此，輸電線路的安全運行是電力部門高度關注的問題之一。

鳥類活動經常會干擾到輸電線路的正常工作。它對輸電線路的影響主要體現在以下幾個方面：鳥類經常將鳥巢搭建在桿塔上，尤其是在溫暖潮濕的南方，筑巢材料的掉落很容易引起輸電線路的短路；鳥類的食物或糞便落在絕緣子上，會污染絕緣子，導致絕緣子的絕緣強度降低，引起線路跳閘；蛇等捕食鳥類的動物有可能會攀爬輸電線路桿塔，造成輸電線路的短路^[1]。以山東省為例，2001年就發生了多起因鳥類活動而引發的大面積停電現象，給國民經濟帶來了巨大的損失，也給人民的生活造成了十分嚴重的影響^[2]。

因為鳥巢會給輸電線路帶來許多隱患，所以為了保障輸電線路的可靠運行，必須對輸電線路進行檢測、巡檢和防護。傳統方式是由人工對線路進行巡檢，發現鳥巢后由工作人員排除故障。人工巡檢不但耗時耗力，而且許多輸電線路都在崇山峻嶺中，巡檢有效性也難以保證，無法大規模推廣。巡線機器人技術、直升機巡線技術和無人機巡檢技術是目前新興的輸電線路巡檢方法。以無人機巡檢為例，利用無人機來替代人力進行輸電線路巡檢操作之后將無人機采集來的圖像傳送至監測中心，完成對輸電線路的巡視或實時監測。與傳統的人工巡檢方法相比，這些巡檢方法具有簡單、準確、實時、經濟等特點。

但是該系統需要工作人員長期監視，受人為因素影響較大，長時間的工作勢必會導致工作人員很難長時間集中注意力，并且工作效率下降；此外，如果對這些數據采用工作人員主觀判斷的話，極易誤判或漏判，難以準確發現輸電設備的安全隱患，且極大地增加了檢修成本，不能滿足智能電網建設的需要。

[1]王少華,葉自強.架空輸電線路鳥害故障及其防治技術措施[J].高壓電器,2011,47(2):61-67.

[2]朱先志.輸電線路鳥害規律分析及防治對策[J].華中電力,2000,13(6):47-49。

發明內容

為克服現有技術的不足，本發明旨在提出在輸電線路巡視系統的基礎上，采用方向梯度直方圖(HOG)和機器學習中的支持向量機(SVM)算法對圖像分類，將正常的圖片和有鳥巢的圖片分開，更快的定位和發現問題，滿足智能電網建設的需要。為此，本發明采用的技術方案是，基于HOG特征和機器學習的輸電線路鳥巢識別方法，步驟如下：

一、方向梯度直方圖HOG特征提取，其具體步驟如下：

1)將巡檢后得到的鳥巢圖像收集起來，依據圖片中的輸電線路中是否有鳥巢存在進行分類，并按照一定的數量比例分為訓練集和測試集，規定不含鳥巢的圖片為正樣本，含鳥巢的圖片為負樣本，對所有圖片進行預處理；

2)對圖片進行預處理，包括圖像的灰度化和伽馬校正；

3)計算圖像的一階梯度，每個像素有橫縱兩個梯度，具體采用水平、垂直梯度檢測算子；