基于ML-S2OCELM的输电线异物检测方法研究

• 作者: 张星炜 李学钧 沈杰 王红星 陈玉权 黄郑
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 输电线 异物检测 极限学习机 无人机 半监督
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机与自动控制
• 页码范围: 89-96
• 页数: 8页
• 分类号: TP391|TN911.7
• 字数: 8055字
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2020.03.013

摘要

输电线路上的异物可以视为输电系统的一种潜在风险,其不仅会影响输电线路的正常供电,还会对线下的行人与车辆产生较大的威胁.基于无人机航拍输电线路图像的异物检测已经得到初步的研究,但是依然存在算法复杂度高,特征表达能力弱与需要大量人工标注等问题.因此,文中提出了一种基于多层半监督单类极限学习机(ML-S2OCELM)的输电线异物检测方法,具有特征表达能力强,运算速度快、需求标注少等优点.实验证明,文中提出的方法可以在极少的正标注情况下,高效率地筛选出存在异物的航拍图像,以帮助工作人员确定出现异物的输电线位置.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张星炜		2	0	0.0	0.0
2	王红星		9	8	2.0	2.0
3	黄郑		4	5	1.0	2.0
4	沈杰		3	0	0.0	0.0
5	陈玉权		3	3	1.0	1.0
6	李学钧		1	0	0.0	0.0