简介：摘要 探索解析、处理及应用非结构化数据资源的方法，确定电力配网运检图像识别局部特征提取算法，对于配网运检图像识别的电力应用场景具有非常重要意义。因此，提出一种鲁棒性强、能够适应不同光照、不同位置等情况下能够有效识别目标的方法，对SIFT算法进行优化，利用SIFT构建图像识别局部尺度空间、关键点检测、消除错配点、关键点描述、关键点匹配与极值点的过滤等过程，采用神经网络对局部特征进行训练学习，对电力设备各个部位进行准确识别和分析，使其适用电力应用场景。
简介：摘要 探索解析、处理及应用非结构化数据资源的方法，确定电力配网运检图像识别局部特征提取算法，对于配网运检图像识别的电力应用场景具有非常重要意义。因此，提出一种鲁棒性强、能够适应不同光照、不同位置等情况下能够有效识别目标的方法，对SIFT算法进行优化，利用SIFT构建图像识别局部尺度空间、关键点检测、消除错配点、关键点描述、关键点匹配与极值点的过滤等过程，采用神经网络对局部特征进行训练学习，对电力设备各个部位进行准确识别和分析，使其适用电力应用场景。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网(www.qikanchina.com) 琼ICP备2021005105号
