基于深度學(xué)習(xí)的電氣設(shè)備檢測方法研究
發(fā)布時間:2020-12-25 06:14
在過去很長一段時間里,我國經(jīng)濟的飛速發(fā)展促進(jìn)了我國基礎(chǔ)設(shè)施的建設(shè),中國電網(wǎng)系統(tǒng)就是其中一個典型代表。最近幾年,中國電網(wǎng)系統(tǒng)在各個方面都獲得了無比耀眼的成就,在技術(shù)上已經(jīng)實現(xiàn)世界領(lǐng)先,在規(guī)模上更是普及萬家。隨著不斷擴大的電網(wǎng)規(guī)模,電網(wǎng)系統(tǒng)急需面對的挑戰(zhàn)就是安全問題。為解決此問題,傳統(tǒng)方法是利用大量工作人員沿著電力設(shè)施拍攝大量電氣設(shè)備圖像,然后人工去對這些圖像是否存在故障以及故障類型做出診斷和判別。如果是熱紅外圖像則借助輔助工具獲取溫度信息,如果是可見光圖像,則人為去觀察。當(dāng)下,最常用的方法是利用熱成像儀拍攝的大量電氣設(shè)備熱紅外圖像或者直升機、無人機巡檢時拍攝的電氣設(shè)備可見光圖像,結(jié)合電氣設(shè)備智能分析系統(tǒng),判斷此張圖像上某類設(shè)備是否存在某類故障,摒棄之前繁瑣的人工操作,實現(xiàn)電氣設(shè)備故障判別的自動化。電氣設(shè)備檢測,無論是基于熱紅外圖像還是可見光圖像,都是電氣設(shè)備智能分析系統(tǒng)中非常重要的部分。因此對電氣設(shè)備檢測技術(shù)的研究具有重要的理論意義和現(xiàn)實價值。智能電網(wǎng)的概念于2009年5月份由中國國家電網(wǎng)公司提出,其內(nèi)容和任務(wù)包括技術(shù)、管理等多個方面,其中一個任務(wù)是技術(shù)上實現(xiàn)自動化。本文的研究就是為了設(shè)...
【文章來源】:安徽大學(xué)安徽省 211工程院校
【文章頁數(shù)】:76 頁
【學(xué)位級別】:碩士
【部分圖文】:
選擇性搜索算法示例
區(qū)域建議網(wǎng)絡(luò)
Le Net-5[3]作為卷積神經(jīng)網(wǎng)絡(luò)的開端,它結(jié)構(gòu)簡單,卻擁有卷積神經(jīng)網(wǎng)絡(luò)應(yīng)該擁有的所有模塊,它的提出在一定程度上解決了手寫數(shù)字識別任務(wù),所以它是一個非常典型的卷積神經(jīng)網(wǎng)絡(luò)。CNN 最基本的架構(gòu)也是從此處定下。 雖然 Le Net-5 是 CNN 的鼻祖,但是真正將 CNN 變得流行的卻是 AlexNet,其網(wǎng)絡(luò)結(jié)構(gòu)如圖 2.3[21]所示。AlexNet 在 Le Net-5 的基礎(chǔ)上做出大量改進(jìn),諸如將激活函數(shù)從sigmoid 函數(shù)改為 Re LU(Rectified Linear Unit)函數(shù);訓(xùn)練過程中使用 dropout 策略等等。這一系列的改進(jìn)也成功地解決了一些問題,梯度彌散、模型過擬合、平均池化的模糊化效果、泛化能力不強等問題都得到不同程度的緩解。
【參考文獻(xiàn)】:
期刊論文
[1]基于視覺的目標(biāo)檢測與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟. 自動化學(xué)報. 2016(10)
博士論文
[1]視覺感知的稀疏編碼理論及其應(yīng)用研究[D]. 李清勇.中國科學(xué)院研究生院(計算技術(shù)研究所) 2006
本文編號:2937114
【文章來源】:安徽大學(xué)安徽省 211工程院校
【文章頁數(shù)】:76 頁
【學(xué)位級別】:碩士
【部分圖文】:
選擇性搜索算法示例
區(qū)域建議網(wǎng)絡(luò)
Le Net-5[3]作為卷積神經(jīng)網(wǎng)絡(luò)的開端,它結(jié)構(gòu)簡單,卻擁有卷積神經(jīng)網(wǎng)絡(luò)應(yīng)該擁有的所有模塊,它的提出在一定程度上解決了手寫數(shù)字識別任務(wù),所以它是一個非常典型的卷積神經(jīng)網(wǎng)絡(luò)。CNN 最基本的架構(gòu)也是從此處定下。 雖然 Le Net-5 是 CNN 的鼻祖,但是真正將 CNN 變得流行的卻是 AlexNet,其網(wǎng)絡(luò)結(jié)構(gòu)如圖 2.3[21]所示。AlexNet 在 Le Net-5 的基礎(chǔ)上做出大量改進(jìn),諸如將激活函數(shù)從sigmoid 函數(shù)改為 Re LU(Rectified Linear Unit)函數(shù);訓(xùn)練過程中使用 dropout 策略等等。這一系列的改進(jìn)也成功地解決了一些問題,梯度彌散、模型過擬合、平均池化的模糊化效果、泛化能力不強等問題都得到不同程度的緩解。
【參考文獻(xiàn)】:
期刊論文
[1]基于視覺的目標(biāo)檢測與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟. 自動化學(xué)報. 2016(10)
博士論文
[1]視覺感知的稀疏編碼理論及其應(yīng)用研究[D]. 李清勇.中國科學(xué)院研究生院(計算技術(shù)研究所) 2006
本文編號:2937114
本文鏈接:http://sikaile.net/kejilunwen/dianlidianqilunwen/2937114.html
最近更新
教材專著