GIS设备的安全运行直接影响整个电网的安全稳定运行。随着GIS设备数量的增多,面对日益突出的GIS典型缺陷,本文采用支持向量机(Support Vector Machine,简称SVM)的机器学习方法,并结合图像处理技术设计开发了一套GIS典型缺陷的智能识别软件。软件首先对GIS图像图像预处理技术随着现代半导体技术的不断发展，计算机图像处理也得到了快速的应用，结合缺陷图像的分析，能够对缺陷特征进行定量计算，弥补传统检测方法的不足，促进GIS缺陷分析技术的智能化和自动化。在弱光条件下的图像，由于光照明暗程度，设备性能优劣等因素的存在，本文有公司网站全自动倒角机采集转载中国知网整理，http://www.daojiaoj.com  图像中往往存在各种各样的噪点和畸变，缺陷的智能识别研究-数控倒角机液压倒角机张家港数控倒角机电动滚圆机对缺陷的识别准确性产生干扰。因此需要对识别对象图形进行一些预处理研究，图像的预处理技术主要包括了图像灰度化、图像增强和图像分割等一些功能[10-13]。如图2所示为本文针对GIS典型缺陷图像文件的预处理基本流程图：图2图像预处理基本流程图S典型缺陷的智能识别2.1特征提取在完成缺陷图像提取之后，GIS内部图像中的缺陷区域被分割出来。但是相对于原始图像而言，经过处理的缺陷图像在数据量上已经有了很大的降低。但是对于分类器而言，需要分析的数据量依然比较大。因此需要进行更多的特征提取从而更好地分类样本数据。比较常用的特征包括，纹理特征、灰度特征和几何特征。因为提取的缺陷在几何形态上往往具有不确定性，同一种类型的特征也许在几何形态上差异较大。因此，本文选取灰度特征和纹理特征作为初始特征。2.1.1提取纹理特征纹理是指存在于图像中某个范围内较小形状或半规律性排列图案，在图像判定中使用纹理特征来表示粗糙程度、均匀程度等变化，常使用图像灰度等级变化来表示。对于拉伤、碰伤等缺陷类型，一般具有比较明显的纹理信息，因此纹理特征在区分这些缺陷类型时具有很好的效果。缺陷的智能识别研究-数控倒角机液压倒角机张家港数控倒角机电动滚圆机本文有公司网站全自动倒角机采集转载中国知网整理，http://www.daojiaoj.com