目前高電壓輸電線路的定期巡檢主要以人工巡檢為主,要求工作人員巡線目測(cè)檢查甚至需要攀登鐵塔進(jìn)行檢查,效率低且不安全。伴隨著數(shù)字圖像技術(shù)與無人機(jī)技術(shù)的迅速發(fā)展,電網(wǎng)公司提出了基于無人機(jī)的智能電力巡檢,其中基于航拍圖像的絕緣子識(shí)別定位是其重要組成部分。由于無人機(jī)采集的圖像數(shù)據(jù)背景復(fù)雜且受到光照等多種因素影響,傳統(tǒng)的絕緣子識(shí)別定位方法精度不高且速度較慢。針對(duì)這些問題,本論文進(jìn)行了基于卷積神經(jīng)網(wǎng)絡(luò)的航拍絕緣子識(shí)別定位研究,構(gòu)建一個(gè)航拍絕緣子的識(shí)別定位模型并與傳統(tǒng)算法進(jìn)行了比較,實(shí)驗(yàn)結(jié)果表明基于卷積神經(jīng)網(wǎng)絡(luò)的模型獲得的準(zhǔn)確率明顯高于傳統(tǒng)算法。本文的主要研究工作有:1.構(gòu)建了一個(gè)航拍絕緣子圖像數(shù)據(jù)集,提供了絕緣子圖像研究的基礎(chǔ)。2.基于傳統(tǒng)算法的絕緣子圖像識(shí)別分類實(shí)驗(yàn)。在圖像預(yù)處理階段采用中值濾波和邊緣增強(qiáng),然后提取HOG特征和Haar特征,最后使用SVM分類器和AdaBoost分類器實(shí)現(xiàn)絕緣子圖像識(shí)別分類。3.研究了卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及原理,并對(duì)基于卷積神經(jīng)網(wǎng)絡(luò)搭建的目標(biāo)檢測(cè)網(wǎng)絡(luò)進(jìn)行詳細(xì)的研究,分析了ResNet網(wǎng)絡(luò)中的殘差模塊、Fast RCNN中的RPN網(wǎng)絡(luò)、FPN模塊�；趯�(duì)卷積神經(jīng)網(wǎng)絡(luò)的結(jié)... 

【文章來源】：上海電機(jī)學(xué)院上海市

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

M-P模型

上海電機(jī)學(xué)院碩士學(xué)位論文-8-優(yōu)字符串的形式表示。圖2-1圖像標(biāo)注Fig.2-1ImageAnnotation圖2-2圖像標(biāo)注文件Fig.2-2ImageAnnotationFiles標(biāo)注文件JSON的文件開頭展示了主要信息：{"label":"insulator","points":[[115.48387096774194,421.93548387096774],[130.96774193548387,

上海電機(jī)學(xué)院碩士學(xué)位論文-8-優(yōu)字符串的形式表示。圖2-1圖像標(biāo)注Fig.2-1ImageAnnotation圖2-2圖像標(biāo)注文件Fig.2-2ImageAnnotationFiles標(biāo)注文件JSON的文件開頭展示了主要信息：{"label":"insulator","points":[[115.48387096774194,421.93548387096774],[130.96774193548387,

【參考文獻(xiàn)】：
期刊論文
[1]中國公路物流運(yùn)價(jià)指數(shù)預(yù)測(cè)研究——基于ARIMA-Adam-LSTM模型的分析[J]. 彭建良,丁怡越,左曉琴.  價(jià)格理論與實(shí)踐. 2019(06)
[2]基于渦旋濾波的圖像邊緣增強(qiáng)研究進(jìn)展[J]. 顧忠政,殷達(dá),聶守平,馮少彤,邢芳儉,馬駿,袁操今.  紅外與激光工程. 2019(06)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)和密度分布特征的人數(shù)統(tǒng)計(jì)方法[J]. 郭繼昌,李翔鵬.  電子科技大學(xué)學(xué)報(bào). 2018(06)
[4]邊緣增強(qiáng)深層網(wǎng)絡(luò)的圖像超分辨率重建[J]. 謝珍珠,吳從中,詹曙.  中國圖象圖形學(xué)報(bào). 2018 (01)
[5]將人工神經(jīng)網(wǎng)絡(luò)和Adaboost相結(jié)合提高絕緣子圖像識(shí)別的準(zhǔn)確率[J]. 孫為民,王暉,高濤,夏瑞瑞,張力.  電子世界. 2017(24)
[6]航拍絕緣子圖像的檢測(cè)與識(shí)別方法研究[J]. 嚴(yán)凱,熊英.  貴州電力技術(shù). 2015(10)
[7]大型無人機(jī)在復(fù)雜環(huán)境下電力巡檢研究[J]. 吳冰瑩,戴禮豪,林朝輝.  科技創(chuàng)新導(dǎo)報(bào). 2014(28)
[8]基于無線傳感器網(wǎng)的個(gè)性化區(qū)域推薦算法研究[J]. 徐鼎基.  電腦知識(shí)與技術(shù). 2010(12)
[9]我國“西電東送”的發(fā)展歷史、規(guī)劃和實(shí)施[J]. 周小謙.  電網(wǎng)技術(shù). 2003(05)

博士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)在癌癥影像分析中的研究[D]. 余紹德.中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院) 2018
[2]深度學(xué)習(xí)下細(xì)粒度級(jí)別圖像的視覺分析研究[D]. 魏秀參.南京大學(xué) 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)若干問題研究[D]. 李旭冬.電子科技大學(xué) 2017
[4]基于自動(dòng)分治的智能優(yōu)化方法及其應(yīng)用研究[D]. 楊鵬.中國科學(xué)技術(shù)大學(xué) 2017
[5]基于光譜分析與圖像處理的模式識(shí)別研究[D]. 王松靜.浙江大學(xué) 2012
[6]理解制度的演化[D]. 王蓉.遼寧大學(xué) 2008
[7]基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)算法研究[D]. 唐發(fā)明.華中科技大學(xué) 2005
[8]支持向量機(jī)算法的研究及其應(yīng)用[D]. 范昕煒.浙江大學(xué) 2003

碩士論文
[1]基于視頻圖像的人數(shù)統(tǒng)計(jì)系統(tǒng)[D]. 羅威.蘭州理工大學(xué) 2019
[2]深度學(xué)習(xí)中優(yōu)化算法的研究與改進(jìn)[D]. 張慧.北京郵電大學(xué) 2018
[3]面向回歸測(cè)試的測(cè)試數(shù)據(jù)擴(kuò)增方法研究[D]. 溫春琰.西安郵電大學(xué) 2017
[4]隨機(jī)梯度下降和對(duì)偶坐標(biāo)下降算法的研究與應(yīng)用[D]. 鄧衛(wèi)釗.燕山大學(xué) 2016
[5]多GPU環(huán)境下的卷積神經(jīng)網(wǎng)絡(luò)并行算法[D]. 王裕民.中國科學(xué)技術(shù)大學(xué) 2016
[6]基于GPS導(dǎo)航無人機(jī)巡線指揮系統(tǒng)設(shè)計(jì)[D]. 鄧榮軍.武漢科技大學(xué) 2015
[7]基于RGB-D物體識(shí)別的深度學(xué)習(xí)算法研究[D]. 盧良鋒.寧波大學(xué) 2015
[8]南方電網(wǎng)電力巡檢模式市場(chǎng)預(yù)測(cè)及H公司開發(fā)策略研究[D]. 秦凡.北京工業(yè)大學(xué) 2014
[9]幾種改進(jìn)的中值濾波算法研究[D]. 牛秀琴.四川師范大學(xué) 2012
[10]直升機(jī)巡檢500千伏陽淮輸電線路可行性研究[D]. 余成安.南京理工大學(xué) 2002



本文編號(hào)：3131649