基于机器学习图像识别分类的无人机电力巡检方法

为了提高无人机电力巡检的效果,设计一个基于机器学习图像识别分类的无人机电力巡检方法.设计巡检流程,控制无人机航迹,获得巡检图像,对图像灰度化处理及增强处理,采用去噪方法去除图像中的噪声,提取图像的局部纹理特征和尺度不变换特征,采用高斯金字塔确定极值点,提取到图像关键点,在此基础上,采用机器学习中的支持向量机方法对图像分类与融合,将处理后的数据作为输入层,采用人工神经网络不断计算,输出巡检结果,以此完成基于机器学习图像识别分类的无人机电力巡检.实验结果表明,所研究的电力巡检方法能够获得非常清晰的巡检图像,并在多个电网绝缘子识别上,具有较高的识别准确性,在电线缺陷上,漏检数量较少,有效提高了无人机电力巡检效果,满足方法的设计需求.