隨著電力需求不斷增加、輸電線路規(guī)模不斷擴大,傳統(tǒng)的人工巡檢的方式存在人力物力資源消耗大、安全性差、效率低下等一系列問題,采取更自動化、智能化電力巡檢方式已經(jīng)成為電力相關工作者乃至社會各界的研究熱點,進行對絕緣子缺陷檢測方法的研究為實現(xiàn)智能化輸電線路巡檢提供參考依據(jù),其意義重大。通過研究“如何利用無人機航拍絕緣子圖像結合不同缺陷檢測方法”進行絕緣子的定位和“自爆”位置的識別,從而實現(xiàn)絕緣子“自爆”缺陷的自動檢測,本文的工作主要分為以下三個部分。數(shù)據(jù)分析與處理,結合研究過程以及航拍圖像數(shù)據(jù)特點對原始圖像進行去重、降采樣、圖像增強、噪音去除等數(shù)據(jù)預處理操作,以確�；A數(shù)據(jù)的準確性和有效性。利用圖像處理進行缺陷檢測方法的研究,采用基于連通區(qū)域、直線擬合、形態(tài)學的圖像處理方法,設計算法模型并進行試驗實現(xiàn)了絕緣子定位和“自爆”的檢測。利用深度學習進行“自爆”檢測方法的研究,結合實際絕緣子數(shù)據(jù),采用了基于區(qū)域建議的級聯(lián)式絕緣子檢測模型實現(xiàn)定位和檢測功能,利用仿射變換和背景融合進行數(shù)據(jù)擴增來解決圖像數(shù)據(jù)正負樣本數(shù)量不均衡的問題,并設計了多組實驗驗證模型的有效性。通過對航拍絕緣子圖像進行預處理,設計并實現(xiàn)圖像處理和深度學習檢測方法進行自爆缺陷的檢測,實驗結果表明,對于輸入的絕緣子圖像,可以實現(xiàn)絕緣子定位和自爆區(qū)域的識別并在圖像中標識出缺陷的位置,幫助工作人員快速找到破損絕緣子并及時更換。
【學位單位】：華中科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TM216;TP391.41
【部分圖文】：

要采取一定的去噪措施。具體的數(shù)據(jù)處理的方法因檢測算法不同有所不同。(2) 絕緣子的定位實現(xiàn)絕緣子的定位是實現(xiàn)缺陷檢測的前提，直接從輸入圖像中進行缺陷的檢測會增加算法的復雜度，也會大大增加誤檢的概率。本文以航拍圖像為輸入，以如何從復雜背景圖像中定位絕緣子為研究內(nèi)容，為后續(xù)進行缺陷檢測做好鋪墊。(3) 絕緣子“自曝”檢測以從定位的絕緣子中找到并標識出“自曝”缺陷的位置為研究內(nèi)容，找到效果更好、更快、適用性更強的缺陷檢測方法。(4) 實驗首先對絕緣子圖像數(shù)據(jù)進行預處理，然后通過定位算法實現(xiàn)絕緣子從背景中的分離，最后利用數(shù)學模型和深度學習分別實現(xiàn)絕緣子的“自曝”檢測�；诮^緣子航拍圖像和缺陷檢測方法，對絕緣子的“自曝”缺陷進行標識，實現(xiàn)本文目標。為實現(xiàn)上述研究內(nèi)容，達到研究目標，本文一系列研究工作將圍繞圖 1-1 中所示的技術路線展開。

華 中 科 技 大 學 碩 士 學 位 論 文2 絕緣子圖像數(shù)據(jù)的采集和預處理數(shù)據(jù)來源與分析由于輸電線中絕緣子處于高空狀態(tài)，不借助于工具一般難以接觸到，大部分都是通過無人機高空操作拍攝視頻圖像存儲起來，電力公司因工作需要會進行巡視拍攝工作，具體的工作流程如圖 2-1 所示，整個巡線過程中包括工作計劃的設定，飛行任務的執(zhí)行，地面對無人機飛行的監(jiān)控，以及對無人機拍攝的視頻和圖像內(nèi)容的處理等部分，其中無人機在執(zhí)行任務的過程中需要進行目標識別、飛行控制、拍攝存儲圖像等一系列操作，最終可以獲取絕緣子圖像數(shù)據(jù)。

(a) 原圖 (b) 增強圖圖 2-2 線性調(diào)整對比圖另一種方式是通過直方圖均衡化，通過統(tǒng)計不同灰度值出現(xiàn)的概率來繪制然后通過拉伸操作使得某一范圍內(nèi)的像素個數(shù)分布基本一致從而實現(xiàn)頂峰強、兩側谷底對比減弱的效果。彩色圖像直方圖均衡化方式和灰度圖一樣別對紅、綠、藍三個顏色通道分開處理，本文以灰度圖直方圖均衡化進行介始圖像在( x, y )處的灰度為 f ，而均衡化后的灰度為 g ，則該過程可表述 y )處的灰度 f 映射為 g ，數(shù)學方法可定義為公式(2.2):g ( x, y ) T [ f ( x, y)](2映射函數(shù) T ( r )需要同時滿足以下兩個條件：T 的值域在灰度級 0～L-1 上單調(diào)遞增;T 的值域在 0～L-1 之間，其中 L=256。在圖像處理中有一重要的函數(shù)，如公式(2.3)所示，恰好能滿足上述條件，為累計分布函數(shù)（Cumulative Distribution Function，CDF），主要用來描述的概率分布情況。
【參考文獻】

相關期刊論文 前1條

1 王銀立;閆斌;;基于視覺的絕緣子“掉串”缺陷的檢測與定位[J];計算機工程與設計;2014年02期

相關博士學位論文 前2條

1 廖圣龍;航拍輸電線圖像中部件檢測關鍵技術研究[D];大連海事大學;2017年

2 崔克彬;基于圖像的絕緣子缺陷檢測中若干關鍵技術研究[D];華北電力大學(北京);2016年

相關碩士學位論文 前7條

1 任文文;基于卷積神經(jīng)網(wǎng)絡的航拍絕緣子圖像的檢測與提取應用研究[D];安徽工業(yè)大學;2018年

2 王子昊;深度學習在輸電鐵塔關鍵部件缺陷檢測中的應用研究[D];中國民航大學;2018年

3 張木柳;基于航拍圖像的輸電線路關鍵部件識別與故障檢測[D];華北電力大學;2018年

4 齊南珣;輸電線路巡檢圖像的智能缺陷檢測方法研究[D];華北電力大學(北京);2018年

5 伍洋;基于機器學習的航拍圖像絕緣子識別方法研究[D];華北電力大學;2016年

6 鐘超;航拍輸電線圖像的絕緣子識別[D];大連海事大學;2014年

7 張�；�;直升機巡檢輸電線路圖像中絕緣子部件的提取[D];大連海事大學;2010年

本文編號：2854381