基于ML-S2OCELM的输电线异物检测方法研究
【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-S20CELM)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。
