目前我國經(jīng)濟高速發(fā)展,鐵路網(wǎng)覆蓋面越來越廣,高速鐵路在各地建設(shè),鐵路現(xiàn)代化進程加快。在鐵路相關(guān)配套設(shè)施中,接觸網(wǎng)絕緣子是非常重要的一環(huán)。由于我國版圖遼闊,南北、東西跨度大,環(huán)境復(fù)雜多樣。接觸網(wǎng)絕緣子長期暴露在各種各樣惡劣的環(huán)境中,容易出現(xiàn)積累污穢過多、破損等各種問題,從而導(dǎo)致其絕緣性能下降,引發(fā)閃絡(luò)等更加嚴(yán)重的問題。傳統(tǒng)依靠人工巡檢的檢測方法已經(jīng)不能滿足現(xiàn)在的需要,因此對于接觸網(wǎng)絕緣子實時檢測的研究勢在必行。本文首先研究了傳統(tǒng)方法在接觸網(wǎng)絕緣子識別與提取中的應(yīng)用。傳統(tǒng)方法在目標(biāo)檢測過程中需要依次經(jīng)過圖像預(yù)處理、圖像分割、目標(biāo)檢測的步驟。本文針對圖像分割這一環(huán)節(jié),在傳統(tǒng)方法需要花費大量時間和人員成本的問題上進行研究并做出了改進,提出了一種無參數(shù)的Graph-Based圖像分割算法。結(jié)合本文提出的圖像分割算法與傳統(tǒng)的基于SURF特征匹配的檢測算法,本文成功地識別了接觸網(wǎng)絕緣子。但是傳統(tǒng)方法存在對于復(fù)雜背景下接觸網(wǎng)絕緣子識別困難的問題。針對傳統(tǒng)方法對復(fù)雜背景下接觸網(wǎng)絕緣子識別能力差的問題,本文著重研究了深度學(xué)習(xí)在接觸網(wǎng)絕緣子識別與提取中的應(yīng)用。本文提出了三種基于深度學(xué)習(xí)的絕緣子檢測算法。（1... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

池化示意圖

蘭州交通大學(xué)工程碩士學(xué)位論文7為卷積塔頂部的分類器來實現(xiàn)的[24]，后來發(fā)現(xiàn)使用支持向量機(SupportVectorMachine，SVM)代替softmax分類運算符可以提高分類的準(zhǔn)確性[25]。此外，鑒于全連接層中的計算通常會收到其計算與數(shù)據(jù)比例的挑戰(zhàn)，因此可以使用輸入到簡單線性分類器中的全局平均池化層作為替代方案。2.2.4激活函數(shù)激活函數(shù)(ActivationFunction)的作用是將上一層的神經(jīng)元傳遞的輸入信息進行處理，并傳遞給下一層的神經(jīng)元。其主要目的是增強模型的泛化能力。在深度學(xué)習(xí)的發(fā)展過程中，人們是用過很多種激活函數(shù)，本文選取幾個主要的代表性激活函數(shù)進行介紹。1)sigmoidSigmoid是早期非常常用的激活函數(shù)，其公式如式(2.4)，導(dǎo)函數(shù)如式(2.5)所示。其函數(shù)與導(dǎo)函數(shù)圖像如圖2.2所示。Sigmod函數(shù)能夠把輸入的連續(xù)值轉(zhuǎn)換到0到1之間，但是當(dāng)輸入值較大和較小時，其導(dǎo)數(shù)都接近于0，變化幅度很小，不利于基于梯度的學(xué)習(xí)。1()1xxeσ=+(2.4)()211"()-11xxxeeσ=++(2.5)圖2.2sigmoid導(dǎo)數(shù)與導(dǎo)函數(shù)圖像。(a)為sigmoid導(dǎo)數(shù)圖像；(b)為sigmoid導(dǎo)函數(shù)圖像2)tanhtanh函數(shù)的公式如式(2.6)所示，導(dǎo)函數(shù)公式如式(2.7)所示。其函數(shù)與導(dǎo)函數(shù)圖像如圖2.3所示。tanh的函數(shù)與導(dǎo)函數(shù)圖像和sigmoid的函數(shù)導(dǎo)函數(shù)圖像相似，因此也具有相似的特性。tanh可以將連續(xù)的輸入轉(zhuǎn)化到-1到1的區(qū)間內(nèi)，但是仍然存在梯度消失的情況。tanh()xxxxeexee=+(2.6)

基于深度學(xué)習(xí)的復(fù)雜背景下接觸網(wǎng)絕緣子識別與提取研究82tanh"()1xxxxeexee=+(2.7)圖2.3tanh導(dǎo)數(shù)與導(dǎo)函數(shù)圖像。(a)為tanh導(dǎo)數(shù)圖像；(b)為tanh導(dǎo)函數(shù)圖像3)ReLUReLU的出現(xiàn)很好地解決了sigmoid和tanh等飽和激活函數(shù)的梯度消失問題。其函數(shù)公式如式(2.8)所示，導(dǎo)函數(shù)公式如式(2.9)所示。ReLU的導(dǎo)數(shù)和導(dǎo)函數(shù)圖像如圖2.4所示。除了解決度消失問題，由于ReLU中不存在冪運算，使其計算速度非�？臁５侨绻總�神經(jīng)元輸入過大，會使得其他神經(jīng)元的輸入失去價值，從而使其相應(yīng)的參數(shù)永遠(yuǎn)不能被更新。0,0(),0xReLUxxx<=>=(2.8)0,0"()1,0xReLUxx<=>(2.9)圖2.4ReLU導(dǎo)數(shù)與導(dǎo)函數(shù)圖像。(a)為ReLU導(dǎo)數(shù)圖像；(b)為ReLU導(dǎo)函數(shù)圖像4)ReLU6ReLU6是目前常用的激活函數(shù)之一。其函數(shù)公式如式(2.10)所示，導(dǎo)函數(shù)公式如式

【參考文獻】：
期刊論文
[1]基于Faster RCNN的絕緣子自爆缺陷識別[J]. 虢韜,楊恒,時磊,沈平,楊淵,劉曉偉,李德洋,陳天柱.  電瓷避雷器. 2019(03)
[2]基于紋理特征的多區(qū)域水平集圖像分割方法[J]. 王慧斌,高國偉,徐立中,文成林.  電子學(xué)報. 2018(11)
[3]改進的SURF特征提取與匹配算法[J]. 張曉宇,何文思,段紅燕,魏松濤.  機械設(shè)計與制造工程. 2018(11)
[4]一種改進超像素融合的圖像分割方法[J]. 余洪山,張文豪,楊振耕,李松松,萬琴,林安平.  湖南大學(xué)學(xué)報(自然科學(xué)版). 2018(10)
[5]基于YOLO算法的無人機航拍圖片絕緣子缺失檢測[J]. 楊罡,張娜,晉濤,王大偉.  科技資訊. 2018(24)
[6]基于U-net網(wǎng)絡(luò)的航拍絕緣子檢測[J]. 陳景文,周鑫,張蓉,張東.  陜西科技大學(xué)學(xué)報. 2018(04)
[7]一種基于多字典學(xué)習(xí)的圖像分割模糊方法[J]. 李亞峰.  電子學(xué)報. 2018(07)
[8]改進的局部擴展擬合圖像分割方法[J]. 宮照煊,覃文軍,郭薇,趙大哲.  東北大學(xué)學(xué)報(自然科學(xué)版). 2018(04)
[9]基于深度卷積神經(jīng)網(wǎng)絡(luò)的輸電線路可見光圖像目標(biāo)檢測[J]. 周筑博,高佼,張巍,王曉婧,張靜.  液晶與顯示. 2018(04)
[10]基于紅外成像技術(shù)的零值絕緣子檢測[J]. 苑利,趙銳,譚孝元,茍先太.  高壓電器. 2018(02)



本文編號：3351861