基于改进机器视觉算法的电力设备红外检测

电力设备的运行情况较为复杂,所获取的电力设备红外图像易出现不完整的问题,导致设备的红外检测结果收敛性较差。为此,提出基于改进机器视觉算法的电力设备红外检测方法。构建改进机器视觉法的检测框架,通过卷积层进行端对端训练。从局部平移不变性角度出发,利用Mean shift聚类算法计算采样点概率密度。根据红外图像分割结果确定最佳目标图像尺度,以此为依据分析电力设备检测结果。采用多尺度小波变换的快速滤波技术完成图像处理,提取低频信号,并对其进行加权降噪,从而实现电力设备红外图像的增强。实验结果表明,该方法下红外图像检测结果完整,且训练损失值最小值为1,具有良好的收敛效果。