[发明专利]基于HOG特征和机器学习的输电线路鸟巢识别方法

说明书

本发明属于电力技术和计算机视觉领域，为将正常的图片和有鸟巢的图片分开，更快的定位和发现问题，满足智能电网建设的需要，本发明，基于HOG特征和机器学习的输电线路鸟巢识别方法，步骤如下：一、方向梯度直方图HOG特征提取；二、主成分分析三、训练支持向量机SVM分类器1)归一化；2)提取上一步中所得的训练集的特征向量组成分类器的训练集，并制作符合SVM格式的标签文件；3)通过测试找到最佳参数；四、输入测试集图像，利用训练好的分类器进行分类，输出最终的分类结果。本发明主要应用于利用图像自动识别电力设备鸟巢故障的场合。

技术领域

本发明属于电力技术和计算机视觉领域，涉及一种基于方向梯度直方图(HOG)特征与机器学习的输电线路鸟巢识别的方法。具体讲,涉及基于HOG特征和机器学习的输电线路鸟巢识别方法。

背景技术

输电线路在电力系统中起着非常重要的作用，直接关系到社会各行各业的用电问题，大规模的断电将会给国家的经济发展带来不可估量的损失。因此，输电线路的安全运行是电力部门高度关注的问题之一。

鸟类活动经常会干扰到输电线路的正常工作。它对输电线路的影响主要体现在以下几个方面：鸟类经常将鸟巢搭建在杆塔上，尤其是在温暖潮湿的南方，筑巢材料的掉落很容易引起输电线路的短路；鸟类的食物或粪便落在绝缘子上，会污染绝缘子，导致绝缘子的绝缘强度降低，引起线路跳闸；蛇等捕食鸟类的动物有可能会攀爬输电线路杆塔，造成输电线路的短路^[1]。以山东省为例，2001年就发生了多起因鸟类活动而引发的大面积停电现象，给国民经济带来了巨大的损失，也给人民的生活造成了十分严重的影响^[2]。

因为鸟巢会给输电线路带来许多隐患，所以为了保障输电线路的可靠运行，必须对输电线路进行检测、巡检和防护。传统方式是由人工对线路进行巡检，发现鸟巢后由工作人员排除故障。人工巡检不但耗时耗力，而且许多输电线路都在崇山峻岭中，巡检有效性也难以保证，无法大规模推广。巡线机器人技术、直升机巡线技术和无人机巡检技术是目前新兴的输电线路巡检方法。以无人机巡检为例，利用无人机来替代人力进行输电线路巡检操作之后将无人机采集来的图像传送至监测中心，完成对输电线路的巡视或实时监测。与传统的人工巡检方法相比，这些巡检方法具有简单、准确、实时、经济等特点。

但是该系统需要工作人员长期监视，受人为因素影响较大，长时间的工作势必会导致工作人员很难长时间集中注意力，并且工作效率下降；此外，如果对这些数据采用工作人员主观判断的话，极易误判或漏判，难以准确发现输电设备的安全隐患，且极大地增加了检修成本，不能满足智能电网建设的需要。

[1]王少华,叶自强.架空输电线路鸟害故障及其防治技术措施[J].高压电器,2011,47(2):61-67.

[2]朱先志.输电线路鸟害规律分析及防治对策[J].华中电力,2000,13(6):47-49。

发明内容

为克服现有技术的不足，本发明旨在提出在输电线路巡视系统的基础上，采用方向梯度直方图(HOG)和机器学习中的支持向量机(SVM)算法对图像分类，将正常的图片和有鸟巢的图片分开，更快的定位和发现问题，满足智能电网建设的需要。为此，本发明采用的技术方案是，基于HOG特征和机器学习的输电线路鸟巢识别方法，步骤如下：

一、方向梯度直方图HOG特征提取，其具体步骤如下：

1)将巡检后得到的鸟巢图像收集起来，依据图片中的输电线路中是否有鸟巢存在进行分类，并按照一定的数量比例分为训练集和测试集，规定不含鸟巢的图片为正样本，含鸟巢的图片为负样本，对所有图片进行预处理；

2)对图片进行预处理，包括图像的灰度化和伽马校正；

3)计算图像的一阶梯度，每个像素有横纵两个梯度，具体采用水平、垂直梯度检测算子；