多特征联合稀疏表示的电力设备图像识别方法

针对电力设备图像识别问题,提出基于多特征联合稀疏表示的新方法。分别采用Krwatchouk矩、LBP描述子以及PCA特征矢量描述电力设备图像的几何形状、局部纹理以及像素分布特性。因此,三种特征具有良好互补性。在分类阶段,采用联合稀疏表示对三类特征进行表征,利用它们的内在关联提高稀疏表示的精度。最终,根据三类特征的总体重构误差判定测试样本的类别、采用绝缘子、变压器和断路器三种典型电力设备图像对提出方法进行性能测试,结果表明了方法的有效性。

基于深度神经网络的电力设备图像识别探究

随着电力系统智能化水平的持续提升,越来越多的变电站开始利用远程传输过来的图像与视频做出对相关设备运行情况的评价。在电力系统之中引入图像与视频信息是一种巨大的技术进步,可以促进电力系统智能化水平的提升。基于深度神经网络的电力设备图像识别进行分析,希望能够对深度神经网络有比较全面深入的了解。