因高壓傳輸電能和智能電網(wǎng)建設(shè)需求,保障電力通道的安全成為電力部門(mén)工作中的首要任務(wù)之一,違章建筑侵占電力通道的現(xiàn)象屢禁不止,使得電力安全傳輸和電網(wǎng)安全存在重大隱患。當(dāng)前主流深度學(xué)習(xí)建筑檢測(cè)算法大多針對(duì)城市遙感圖像中的違章建筑檢測(cè),在動(dòng)態(tài)背景下的視頻序列圖像表現(xiàn)性能不佳,本文以電力通道違章建筑檢測(cè)實(shí)際需求出發(fā),針對(duì)侵占電力通道的違章建筑,研究并應(yīng)用以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù),實(shí)現(xiàn)序列圖像中建筑物的精確定位,設(shè)計(jì)違章建筑判別器,實(shí)現(xiàn)電力通道違章建筑檢測(cè)目標(biāo)。本文主要研究?jī)?nèi)容:（1）違章建筑對(duì)象數(shù)量不確定。采用先分類后檢測(cè)的建筑物檢測(cè)方法,對(duì)采集的電力通道視頻進(jìn)行預(yù)處理,標(biāo)注包含建筑物,電力塔,車(chē)輛,樹(shù)木的4類分類數(shù)據(jù)集,并進(jìn)行數(shù)據(jù)擴(kuò)充,根據(jù)輸入樣本尺寸,對(duì)原有Alexnet網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化得到Imp-Alexnet網(wǎng)絡(luò),提高網(wǎng)絡(luò)分類性能,實(shí)現(xiàn)建筑物區(qū)域提取和建筑物分類目標(biāo),得到建筑物區(qū)域位置信息。（2）違章建筑對(duì)象大小不同。采用先檢測(cè)后分類的建筑物檢測(cè)方法,將包含違章建筑的樣本利用GAN進(jìn)行樣本擴(kuò)充構(gòu)建電力通道建筑檢測(cè)數(shù)據(jù)集,通過(guò)調(diào)整網(wǎng)絡(luò)參數(shù)和引入Focal Loss損失函數(shù),優(yōu)化Fas... 

【文章來(lái)源】：沈陽(yáng)理工大學(xué)遼寧省

【文章頁(yè)數(shù)】：96 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

建筑物與電Fig.2.3Theintersectionofbuildin

沈陽(yáng)理工大學(xué)碩士學(xué)位論文-10-圖2.1原有建筑基礎(chǔ)上新增建筑Fig.2.1Newbuildingsbasedontheoriginalbuilding圖2.2電力通道內(nèi)新增建筑小于規(guī)定的電力安全距離Fig.2.2Newbuildingsinthepowerchannelarelessthanthespecifiedpowersafetydistance圖2.3建筑物與電力安全距離相交Fig.2.3Theintersectionofbuildingsandelectricalsafetydistance而電力通道內(nèi)違章建筑屢禁不止主要有如下原因有：（1）農(nóng)村電力線路違章建筑存在的主要原因村民法律意識(shí)淡保大多數(shù)村民法律意識(shí)比較淡薄，不了解建房政策，對(duì)《電力法》和《電力設(shè)施保護(hù)條例》更是一無(wú)所知，大部分村民對(duì)電力線路違章建筑的危害性認(rèn)識(shí)膚淺。（2）現(xiàn)實(shí)無(wú)法滿足需要。由于城市住房?jī)r(jià)格因素，一些農(nóng)民的住房宅基地沒(méi)有落實(shí)，一旦到了兒女談婚論嫁時(shí)，解決住房問(wèn)題就成為難題，于是在沒(méi)有得到正規(guī)審批建房的情況下，存在僥幸心理建設(shè)違章建筑。（3）少數(shù)人受經(jīng)濟(jì)利益的驅(qū)動(dòng)。低投入、高回報(bào)的投機(jī)思想導(dǎo)致一些人跟風(fēng)

原有建筑基礎(chǔ)上新增建筑Fig.2.1Newbuildingsbasedontheoriginalbuilding

【參考文獻(xiàn)】：
期刊論文
[1]基于Gazebo仿真環(huán)境的ORB特征提取與比對(duì)的研究[J]. 郭鳴宇,邱好.  電子制作. 2019(15)
[2]淺議架空高壓線路防護(hù)的規(guī)劃要求[J]. 畢波.  江蘇城市規(guī)劃. 2019(07)
[3]粒子濾波與ORB特征檢測(cè)結(jié)合的移動(dòng)機(jī)器人定位算法[J]. 黃鶴,肖宇峰,劉冉,張華.  傳感器與微系統(tǒng). 2019(07)
[4]基于改進(jìn)深度卷積網(wǎng)絡(luò)的鐵路入侵行人分類算法[J]. 郭保青,王寧.  光學(xué)精密工程. 2018(12)
[5]基于改進(jìn)的AlexNet網(wǎng)絡(luò)模型的遙感圖像分類方法研究[J]. 周天順,黨鵬飛,謝輝.  北京測(cè)繪. 2018(11)
[6]基于深度學(xué)習(xí)的高效電力部件識(shí)別[J]. 歐家祥,史文彬,張俊瑋,丁超.  電力大數(shù)據(jù). 2018(09)
[7]GAN在AI領(lǐng)域的應(yīng)用研究[J]. 杜立平,宋燕紅,李曉東,金鑫.  北京電子科技學(xué)院學(xué)報(bào). 2018(03)
[8]電力設(shè)施保護(hù)區(qū)內(nèi)違章建筑及違章施工情況分析及整治對(duì)策[J]. 杜永祥,俞學(xué)文,唱環(huán)凱.  科技風(fēng). 2018(28)
[9]結(jié)合Faster R-CNN模型的遙感影像建筑物檢測(cè)[J]. 李東子,范大昭,蘇亞龍.  測(cè)繪科學(xué)技術(shù)學(xué)報(bào). 2018(04)
[10]基于Faster-RCNN的智能家居行人檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 朱虹,翟超,呂志,程風(fēng).  工業(yè)控制計(jì)算機(jī). 2018(04)

碩士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究[D]. 趙遠(yuǎn)東.沈陽(yáng)工業(yè)大學(xué) 2019
[2]基于高分辨率SAR圖像的建筑區(qū)域檢測(cè)[D]. 吳云飛.中國(guó)科學(xué)技術(shù)大學(xué) 2019
[3]基于生成對(duì)抗網(wǎng)絡(luò)的手寫(xiě)字體生成算法的研究[D]. 江春雨.蘭州大學(xué) 2019
[4]基于Faster RCNN的目標(biāo)檢測(cè)系統(tǒng)[D]. 陳怡佳.哈爾濱理工大學(xué) 2019
[5]基于改進(jìn)的Faster R-CNN物流車(chē)輛特征識(shí)別研究[D]. 許艇.浙江工業(yè)大學(xué) 2019
[6]融合先驗(yàn)知識(shí)的深度學(xué)習(xí)目標(biāo)識(shí)別與定位研究[D]. 聶文昌.哈爾濱工程大學(xué) 2019
[7]基于多特征深度學(xué)習(xí)的建筑物識(shí)別方法[D]. 付昊天.北方工業(yè)大學(xué) 2018
[8]基于圖像處理和機(jī)器學(xué)習(xí)的橋梁檢測(cè)新技術(shù)研究[D]. 高俊祥.東南大學(xué) 2018
[9]基于CUDA的回環(huán)檢測(cè)實(shí)現(xiàn)[D]. 張?jiān)品?大連理工大學(xué) 2018
[10]基于深度學(xué)習(xí)的快銷品圖像識(shí)別系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)[D]. 戴同武.湖南大學(xué) 2018



本文編號(hào)：2917968