基于GWO-SVM的红外热成像低零值绝缘子识别

摘要

为了准确识别电网中的低零值绝缘子,提高劣化绝缘子诊断的准确率,提出了一种使用灰狼算法优化(grey wolf optimizer,GWO)与二进制支持向量机(support vector machine,SVM)分类器相结合的模型,对红外图像中的低零值绝缘子进行自动检测.首先对绝缘子红外图像进行增强,利用Ostu算法对红外图像进行分割,并对得到的二值图像进行倾斜角度矫正和切割,提取绝缘子串的有效区域,然后将图像特征用于向量机的分类识别.实验结果表明,灰狼算法优化支持向量机比常用的网格搜索算法(grid search,GS)、粒子群优化算法(particle swarm optimization,PSO)等得到的分类模型能更准确、有效地对低零值绝缘子进行识别,且准确率更高.