摘要
针对无人机在应急巡检中对输电线路杆塔灾害状态分类的准确评估问题,提出一种融合粒子群优化与极限学习机的输电线路杆塔灾害状态分类方法。首先,建立无人机应急巡检输电线路杆塔灾害状态图像数据集,结合直线检测法和Harris角点检测法从图像数据集中提取杆塔轮廓及其7个主要特征参数,采用灰色关联分析法获取杆塔图像与灾害状态关联的4个关键特征参数。然后,以杆塔的分类准确率作为粒子群算法的适应度,应用粒子群算法对极限学习机的输入隐藏权值和隐藏偏差阈值进行优化,将权值导入极限学习机对杆塔灾害状态图像的4个关键特征参数进行训练。最后,应用于无人机应急巡检中,对输电线路杆塔灾害状态图像进行分类。结果表明:输电线路杆塔图像与灾害状态分类关联的4个关键特征参数为圆形度、长宽比、矩形度和重心相对位置;融合粒子群优化和极限学习机模型的分类方法准确率为88.33%,精确率为92.68%,比反向传播神经网络和支持向量机算法模型的检测效果和分类效果更好,也验证了该方法的可行性和有效性。
-
单位自动化学院; 福建工程学院; 福州大学; 物理学院