简介:摘要近年来,随着我国电网规模的不断扩大,气体绝缘组合电器的内部故障也逐渐增多,目前国际上主要采用对局部放电的超高频率检测来实现GIS故障情况的监测,然而局部放电信号是通过收集小波变换分析理论的方法,进行特征提取,这些方法只能起到去除噪声的功能,无法提供局部放电信号的详细数据,而且GIS故障大多分布于单个局部放电信号源的情况,对于多个局部放电源放电源同时存在的情况,不能做到良好的故障识别。GIS故障定位过程中很容易受到信号干扰,也无法获得准确的信息,定位较差,且存在覆盖不到的定位点,为有效解决这一问题,引入了目标识别算法进行GIS故障监测,还通过利用目标识别算法对于GIS的电力设备检测目标进行识别,根据图像的局部特征,找出电力设备需要检测的故障位置和特征,以便后期开展x射线检验工作。
简介:摘要 : 针对温室番茄智能化管理需要,研究茎秆、叶片和绿果等 3类相近色目标的多波段图像融合方法,以凸显目标与背景亮度差异,提高目标视觉识别效率。根据其各自在 300~1000 nm范围的反射光谱特征差异,建立了针对其光谱数据分类的 Lasso正则化逻辑回归模型。基于模型的稀疏解特征,确定具有较大权值系数的 450、 600和 900 nm等 3个波段作为最优成像波段,在此基础上构建了温室番茄植株多波段图像在线采集系统。结合最优成像波段下相近色目标图像特征分析,提出了基于 NSGA-II的多波段图像加权融合方法,以增强特定目标与近色背景物体的图像亮度差异。最后通过现场试验对多波段图像融合效果进行评估。结果表明,分别以茎秆、叶片和绿果器官作为识别目标,通过多波段图像融合处理后,目标与背景之间的图像灰度差异绝对差值相应达到单波段图像的 2.02、 8.63和 7.89倍,即被识别目标与其他近色背景的亮度差异显著增强,且背景物的亮度波动得到抑制。本研究结果可以为农业环境近色目标视觉识别相关研究提供参考。
简介:【摘要】近年来固定翼无人机市场快速发展,视觉目标识别技术作为增加无人机安全飞行的保障也随着技术的发展日新月异。固定翼无人机在飞行过程中,通过其识别设备收集周边环境的信息,从而引导做出相对应的动作指令以达到相应功能。本文针对固定翼无人机的识别设备内部技术框架进行相关算法模拟,分析其运行流程并提出相关建议,以期可以更好的帮助固定翼无人机实现自我调节。
简介:提出了一种基于多分辨率小波高频特征系数的高光谱遥感影像亚像素目标识别方法.首先利用多尺度小波变换将光谱信号分解为不同尺度的高频特征信号,然后借助接收操作特性曲线(ROC)和马氏距离投影寻踪求取一维最佳识别特征,最后通过高斯最大似然决策函数求解亚像素目标的存在概率.通过38种小波函数的高光谱数据实验证明,该方法对亚像素目标的识别效果较好.