基于正样本学习的变压器渗油图像识别方法研究

为解决变压器渗油图像缺陷识别样本不足造成的渗油识别准确率低的问题,提出了1种基于正样本学习的变压器渗油图像识别方法。首先,通过对变压器图像进行预处理,消除图像噪声数据。其次,采用数量庞大的正常变压器图像样本训练卷积神经网络,并筛选出与正常图片有差异的异常变压器图像。在此基础上,采用异常缺陷检测法识别变压器渗油图像。最后,在某地市进行模拟试验。变压器渗油图像识别率为99.4%。试验结果表明,该方法可提高变压器渗油异常图像筛选准确率,有效提升电网公司变电运维检修人员的视频图像巡检效率和管理水平。