基于GLRLM-SVM的电表版本分类方法研究

摘要：

目前拆回电表版本的信息录入方法仍采用人工目测输入与数据库对比验证,面临效率低下、准确率难以保证的问题.利用实拍电表图像,提出一种在高杂糅环境背景下电表新旧版本精确分类的方法.先获取版本识别ROI区域,并提取灰度游程矩阵(GLRLM)特征,再对数据进行归一化处理与主成分分析(PCA),最后采用线性核函数的支持向量机(SVM)作为最佳模型进行分类实验.同时,采用不同的纹理特征提取算法结合不同分类模型对该方法性能进行评价.实验结果表明:基于GLRLM-SVM的分类方法优于其他模型,速度最快且准确率高达98.95％,满足拆回电表年检数量与精度要求.

关键词：电表版本分类、纹理特征、灰度游程矩阵、灰度共生矩阵、支持向量机、机器学习

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：四川省科技厅重点研发项目;四川省泸州市科技创新研发项目

在线出版日期：2022-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：96-102