[发明专利]一种基于统计特征与机器学习的配电线路中绝缘子识别方法

摘要

本发明涉及一种基于统计特征与机器学习的配电线路中绝缘子识别方法，包括：将巡视配电线路时得到的航拍图片，按照合适的比例分成两组，分别作为训练集图片和测试集图片；YCbCr变换；分别在Y通道、Cb通道、Cr通道上提取统计特征，选用的统计特征是图像的一阶矩到六阶矩，以及标准差；归一化处理，将原始数据规整到[0,1]内；制作符合支持向量机SVM的标签文件,作为SVM分类器的训练样本；训练SVM分类器，进行特征优选，从7个统计特征中挑选出最具有识别优势的数据集合；输入测试集图片，利用训练好的分类器，输出分类结果。

主权项

1.一种基于统计特征与机器学习的配电线路中绝缘子识别方法，包括下列步骤：1)将巡视配电线路时得到的航拍图片，按照合适的比例分成两组，分别作为训练集图片和测试集图片.2)将步骤1得到的训练集图片做YCbCr变换，即从RGB颜色空间变换到YCbCr颜色空间；3)将步骤2中得到的图片分别在Y通道、Cb通道、Cr通道上提取统计特征，选用的统计特征是图像的一阶矩到六阶矩，以及标准差；4)将步骤3中得到的统计特征值进行归一化处理，将原始数据规整到[0,1]内；5)将步骤4中得到的7个统计特征值生成一个特征向量，制作符合支持向量机SVM的标签文件,作为SVM分类器的训练样本，在训练样本和测试样本中，规定含有绝缘子的图片为负样本，类别标签为1；规定没有绝缘子的图片为正样本，类别标签为‑1；6)将步骤5中得到的训练样本输入SVM分类器，选择合适的核函数，确定核函数参数及乘法参数，SVM所涉及的惩罚因子c，gamma参数g，执行训练算法并求得最优拉格朗日乘子和偏差值，训练后得到分类器模型；同时，进行特征优选，从7个统计特征中挑选出最具有识别优势的数据集合，在SVM的训练过程中，让c和g在一定的范围内取值，使用K折验证法寻找合适的c和g，能够使得测试集分类结果最鲁棒，对未见示例的泛化能力最强；7)输入测试集图片，利用训练好的分类器，输出分类结果。