摘要
本发明公开了一种提高绝缘子图像识别精度的方法,解决了现有技术的不足,包括:摄像设备对带有绝缘子的场景进行扫描,获得带有绝缘子特征信息的图像;通过卷积神经网络对图像进行识别,获取第一绝缘子图像,通过霍夫变换对图像进行识别,获取第二绝缘子图像,通过支持向量机对图像进行识别,获取第三绝缘子图像;分别对第一绝缘子图像、第二绝缘子图像和第三绝缘子图像提取部分图像信息,然后在这三部分图像信息中寻找相似特征信息,根据相似特征信息对三部分图像进行重叠,重叠部分即为详细特征信息部分;重叠后的图像与绝缘子典型特征图像进行匹配,若匹配的相似度大于等于设定的阈值,则判断绝缘子图像识别完成,重叠后的图像即为绝缘子图像。
技术关键词
神经网络对图像
支持向量机模型
判断绝缘子
优化卷积神经网络
优化支持向量机
构建卷积神经网络
精度
绝缘子识别
摄像设备
梯度下降法
训练样本集
纹理特征
典型
曲面
数值
场景
坐标
系统为您推荐了相关专利信息
旋翼无人机
频域特征
XGBoost模型
多域特征
方差特征
动态调控方法
变换特征
多通道
支持向量机模型
矩阵
锂电池剩余使用寿命
支持向量机模型
搜索算法
锂离子电池
数据
定位方法
深度图
三维空间信息
铁路
生成样本数据
设备运行数据
设备状态数据
数据分析模块
视频监控数据
循环神经网络模型