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)建筑檢測算法大多針對城市遙感圖像中的違章建筑檢測,在動態(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實際需求出發(fā),針對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),實現(xiàn)序列圖像中建筑物的精確定位,設(shè)計違章建筑判別器,實現(xiàn)電力通道違章建筑檢測目標(biāo)。本文主要研究內(nèi)容:（1）違章建筑對象數(shù)量不確定。采用先分類后檢測的建筑物檢測方法,對采集的電力通道視頻進行預(yù)處理,標(biāo)注包含建筑物,電力塔,車輛,樹木的4類分類數(shù)據(jù)集,并進行數(shù)據(jù)擴充,根據(jù)輸入樣本尺寸,對原有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）違章建筑對象大小不同。采用先檢測后分類的建筑物檢測方法,將包含違章建筑的樣本利用GAN進行樣本擴充構(gòu)建電力通道建筑檢測數(shù)據(jù)集,通過調(diào)整網(wǎng)絡(luò)參數(shù)和引入Focal Loss損失函數(shù),優(yōu)化Fas... 

【文章來源】：沈陽理工大學(xué)遼寧省

【文章頁數(shù)】：96 頁

【學(xué)位級別】：碩士

【部分圖文】：

建筑物與電Fig.2.3Theintersectionofbuildin

沈陽理工大學(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淡保大多數(shù)村民法律意識比較淡薄，不了解建房政策，對《電力法》和《電力設(shè)施保護條例》更是一無所知，大部分村民對電力線路違章建筑的危害性認(rèn)識膚淺。（2）現(xiàn)實無法滿足需要。由于城市住房價格因素，一些農(nóng)民的住房宅基地沒有落實，一旦到了兒女談婚論嫁時，解決住房問題就成為難題，于是在沒有得到正規(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)濟利益的驅(qū)動。低投入、高回報的投機思想導(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】：
期刊論文
[1]基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究[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特征檢測結(jié)合的移動機器人定位算法[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.  北京測繪. 2018(11)
[6]基于深度學(xué)習(xí)的高效電力部件識別[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. 2018(03)
[8]電力設(shè)施保護區(qū)內(nèi)違章建筑及違章施工情況分析及整治對策[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[J]. 李東子,范大昭,蘇亞龍.  測繪科學(xué)技術(shù)學(xué)報. 2018(04)
[10]基于Faster-RCNN的智能家居行人檢測系統(tǒng)設(shè)計與實現(xiàn)[J]. 朱虹,翟超,呂志,程風(fēng).  工業(yè)控制計算機. 2018(04)

碩士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的人臉識別方法研究[D]. 趙遠東.沈陽工業(yè)大學(xué) 2019
[2]基于高分辨率SAR圖像的建筑區(qū)域檢測[D]. 吳云飛.中國科學(xué)技術(shù)大學(xué) 2019
[3]基于生成對抗網(wǎng)絡(luò)的手寫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)檢測系統(tǒng)[D]. 陳怡佳.哈爾濱理工大學(xué) 2019
[5]基于改進的Faster R-CNN物流車輛特征識別研究[D]. 許艇.浙江工業(yè)大學(xué) 2019
[6]融合先驗知識的深度學(xué)習(xí)目標(biāo)識別與定位研究[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]基于圖像處理和機器學(xué)習(xí)的橋梁檢測新技術(shù)研究[D]. 高俊祥.東南大學(xué) 2018
[9]基于CUDA的回環(huán)檢測實現(xiàn)[D]. 張云帆.大連理工大學(xué) 2018
[10]基于深度學(xué)習(xí)的快銷品圖像識別系統(tǒng)設(shè)計與開發(fā)[D]. 戴同武.湖南大學(xué) 2018



本文編號：2917968