文献类型：期刊文章

作　　者：节连彬[1] 赵嘉兴[2] 刘毅敏[1]

JIE Lianbin;ZHAO Jiaxing;LIU Yimin(Yangquan Power Supply Company,State Grid Shanxi Electric Power Company,Yangquan 045000,Shanxi,China;Marking Department,State Grid Shanxi Electric Power Company,Yangquan 045000,Shanxi,China)

机构地区：[1]国网山西省电力公司阳泉供电公司,山西阳泉045000 [2]国网山西省电力公司营销部,山西阳泉045000

出　　处：《沈阳工业大学学报》

基　　金：国家自然科学基金项目(61033003);国网山西省电力公司科技项目(5205C018005C)。

年　　份：2023

卷　　号：45

期　　号：6

起止页码：704-709

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了能够在较短时间识别变电站火灾并发出报警,提出了一种基于特征识别的K-means聚类图像处理方法。通过远程传输获得变电站消防监控图像并提取HSI特征,采用欧氏距离法对HSI特征进行K-means聚类并分割图像子集。通过样本熵信号处理算法识别火灾子集和类火灾子集熵值,实现变电站火灾的精准辨别。结果表明:T_(PR)为100%,F_(RP)为4.44%,火灾识别并报警时间为15.21 s。该方法不但规避了漏检风险且具有较强鲁棒性,能够迅速、精准地识别变电站火灾,有效提高了变电站消防安全的管理能力。

关 键 词：特征识别  变电站消防  火灾预警 K-MEANS聚类 图像处理 HSI特征  分割图像  样本熵  

分 类 号：TM63]