论文部分内容阅读
针对现有输电线路设备细微缺陷智能检测方法存在的GZ-复刻率较高的问题,设计了基于机器学习的输电线路设备细微缺陷智能检测方法。根据设备实时监测、运行、历史故障维修次数等数据,构建基于机器学习的NFA模型,区分不同类型的输电线路设备的细微缺陷;对图像的亮度、对比度、拼接方式等方面进行处理,引入Adaboost算法完成图像识别,最后通过对相位编组梯度的计算,实现基于机器学习的输电线路设备细微缺陷的智能检测。实验结果表明,设计方法的GZ-复刻率平均值比传统方法的GZ-复刻率平均值降低了47.3%,故障信号检