摘要
本发明涉及一种基于深度学习的电缆桥架故障检测方法及系统,包括以下步骤,对所述电缆桥架的区域进行多光谱图像采集,得到多光谱图像数据集;通过多尺度高斯混合模型对所述多光谱图像数据集进行背景建模与噪声抑制,得到多光谱增强图像数据集;对所述多光谱增强图像数据集进行电缆桥架边缘‑梯度双约束分割,得到桥架结构轮廓特征图;对所述桥架结构轮廓特征图进行异常检测,得到桥架结构完整性异常图;基于所述桥架结构完整性异常图对所述电缆桥架进行形变‑腐蚀联合识别分析,得到桥架故障类型标注图,解决了传统依赖人工巡检的方式,不仅效率低、成本高,还存在主观判断误差大、难以发现隐蔽性故障的技术问题。
技术关键词
桥架结构
电缆桥架
多光谱
故障检测方法
轮廓特征
高斯混合模型
局部特征描述符
图像
初始轮廓
序列
变形特征
噪声抑制
边缘轮廓
多尺度形态学分析
数据
动态背景
游程编码
空间关联分析
系统为您推荐了相关专利信息
输电线路山火
故障检测方法
参数识别模型
信号同步技术
过渡电阻
初始轮廓
建筑轮廓
顶点特征
状态更新
多尺度信息
钢管端面
尺寸测量方法
非接触式
算法鲁棒性
轮廓形状
卷积神经网络回归模型
分类识别方法
纹理特征
搭载多光谱相机
卷积神经网络模型
数字化设备
故障检测方法
液压油
设备运行参数
流速