絕緣子是由陶瓷或者玻璃制成的一種電力器件,可以在輸電線路中起到絕緣、支撐的作用。我國(guó)國(guó)土面積廣闊、高壓輸電網(wǎng)絡(luò)規(guī)模大,覆蓋面積廣。絕緣子長(zhǎng)期處在野外環(huán)境中,易受到復(fù)雜氣候環(huán)境的影響,一旦絕緣子發(fā)生故障,將會(huì)造成電能質(zhì)量不穩(wěn)定,嚴(yán)重時(shí)會(huì)造成整條線路的短路故障。在電網(wǎng)高速發(fā)展的背景下,傳統(tǒng)人工巡檢的方式效率低、成本高,已經(jīng)無(wú)法滿足當(dāng)今時(shí)代的要求。隨著科技的進(jìn)步,尤其是物聯(lián)網(wǎng)技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展,無(wú)人機(jī)已經(jīng)被應(yīng)用于線路巡檢。近年來(lái),深度學(xué)習(xí)的迅速發(fā)展為無(wú)人機(jī)航拍巡檢圖像的分析提供了新的解決思路。本文圍繞深度學(xué)習(xí)算法,對(duì)航拍圖像中的絕緣子進(jìn)行定位識(shí)別與狀態(tài)檢測(cè)研究。并基于改進(jìn)YOLO-V3算法和多分辨率小波并行分類算法,設(shè)計(jì)了無(wú)人機(jī)巡線系統(tǒng)。本文的主要研究?jī)?nèi)容和研究成果總結(jié)如下:（1）介紹了神經(jīng)網(wǎng)絡(luò)理論,并分析了常見(jiàn)激活函數(shù)的優(yōu)缺點(diǎn)。針對(duì)單一航拍圖像中絕緣子串較多的問(wèn)題,提出了一種自適應(yīng)剪裁算法。結(jié)合深度學(xué)習(xí)輸入樣本的要求,設(shè)計(jì)了一種圖像預(yù)處理算法,并制作了樣本集。（2）提出了一種基于改進(jìn)YOLO-V3算法的絕緣子定位方法。選用Darknet-53作為特征框架,僅選用前52層作為特征提取... 

【文章來(lái)源】：上海電機(jī)學(xué)院上海市

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

傳統(tǒng)人工爬桿巡線

上海電機(jī)學(xué)院碩士學(xué)位論文9第二章深度學(xué)習(xí)理論介紹與圖像預(yù)處理2.1引言機(jī)器學(xué)習(xí)是目前較為主流的一種人工智能實(shí)現(xiàn)方式，通過(guò)算法建立學(xué)習(xí)模型，利用數(shù)據(jù)分析來(lái)解決現(xiàn)實(shí)生活中的各類問(wèn)題[25]。目前機(jī)器學(xué)習(xí)的主流方向是深度學(xué)習(xí)。深度學(xué)習(xí)理論是在人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，Ann）的基礎(chǔ)上發(fā)展而來(lái)，本章節(jié)將介紹神經(jīng)網(wǎng)絡(luò)的基本概念和基本傳遞函數(shù)等理論知識(shí)，并結(jié)合本課題的實(shí)際背景，介紹了圖像預(yù)處理的關(guān)鍵步驟。2.2神經(jīng)網(wǎng)絡(luò)理論介紹2.2.1神經(jīng)元模型生物神經(jīng)網(wǎng)絡(luò)的基本工作原理：通過(guò)神經(jīng)元輸入端的樹(shù)突來(lái)接收輸入信息，在突觸中處理接收到的信息并疊加。當(dāng)儲(chǔ)存的信息量大于一定的閾值時(shí)，神經(jīng)元中的傳輸軸會(huì)將這些信息傳輸出去，此時(shí)神經(jīng)元處于被激活狀態(tài)。反之，當(dāng)突觸中的信息量小于該閾值時(shí)，傳輸軸將不傳遞任何信息，此時(shí)的神經(jīng)元處于抑制狀態(tài)。典型的生物神經(jīng)元結(jié)構(gòu)模型如圖2-1所示。圖2-1神經(jīng)元結(jié)構(gòu)模型Fig.2-1Neuronstructuremodel下圖2-2為生物神經(jīng)元的抽象運(yùn)行機(jī)理圖。由圖可見(jiàn)，該模型將n個(gè)輸入信號(hào)通過(guò)含有不同權(quán)重的連接進(jìn)行傳遞，并通過(guò)激活函數(shù)對(duì)這n個(gè)輸入信號(hào)進(jìn)行處

上海電機(jī)學(xué)院碩士學(xué)位論文16選用基于python3.8平臺(tái)的labellmg工具進(jìn)行樣本標(biāo)注。標(biāo)注過(guò)程如圖2-7所示。圖2-7標(biāo)注過(guò)程Fig.2-7Taggingprocess自適應(yīng)剪裁算法步驟如下：（1）讀取原始圖像和標(biāo)注信息，如圖2-7所示；（2）根據(jù)標(biāo)注信息，計(jì)算出目標(biāo)個(gè)數(shù)，圖中為2個(gè)目標(biāo)；（3）遍歷圖中每一個(gè)目標(biāo)，計(jì)算每個(gè)目標(biāo)真實(shí)框的中心坐標(biāo)集合；（4）在計(jì)算出的坐標(biāo)集合中設(shè)置兩個(gè)初始的聚類中心K1（圖像的左下角）和K2（圖像的右上角）；（5）使用歐式距離法，分別計(jì)算每個(gè)目標(biāo)中心距離K1和K2的距離，distance1和distance2；（6）比較兩者的歐式距離，若distance1<distance2，則認(rèn)為目標(biāo)框距離K1更近，將目標(biāo)框劃分到C1類，否則劃分到C2類，并重新計(jì)算聚類中心K1和K2；（7）將所有目標(biāo)劃分完后，計(jì)算每一類目標(biāo)框中心坐標(biāo)的平均值，得到新的聚類中心；（8）將裁剪系數(shù)與閾值相比較，確定分割小圖的數(shù)量。裁剪系數(shù)是能否進(jìn)行裁剪的一個(gè)系數(shù)，裁剪系數(shù)越大，越應(yīng)該進(jìn)行裁剪，定義公式如下：=（1，2）max（，）（2-9）其中（1，2）表示K1和K2的歐式距離，H和W分別為原始圖像的高和寬，聚類中心K1和K2之間的距離越大，裁剪系數(shù)就越大，表示裁剪的可能性越大；（9）隨機(jī)擴(kuò)增的公式如下：其中和分別為目標(biāo)的高和寬，

【參考文獻(xiàn)】：
期刊論文
[1]采用Morlet小波的鋰電池相對(duì)健康狀態(tài)估計(jì)[J]. 趙云飛,徐俊,王海濤,梅雪松.  西安交通大學(xué)學(xué)報(bào). 2019(12)
[2]基于時(shí)空上下文的航拍視頻絕緣子跟蹤算法[J]. 戚銀城,王磊,趙振兵,趙令令,張素香.  科學(xué)技術(shù)與工程. 2018(04)
[3]基于圖像識(shí)別的無(wú)人機(jī)輸電線路絕緣子故障檢測(cè)方法研究[J]. 韓正新,喬耀華,孫陽(yáng),李偉靖.  現(xiàn)代電子技術(shù). 2017(22)
[4]BOW-HOG特征圖像分類[J]. 鄒北驥,郭建京,朱承璋,楊文君,吳慧,何騏.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2017(12)
[5]航拍絕緣子卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)及自爆識(shí)別研究[J]. 陳慶,閆斌,葉潤(rùn),周小佳.  電子測(cè)量與儀器學(xué)報(bào). 2017(06)
[6]高壓輸電線路絕緣子的選型和應(yīng)用[J]. 李永強(qiáng).  電工技術(shù). 2017(06)
[7]輸電線路在線監(jiān)測(cè)系統(tǒng)供電電源探討[J]. 王曉文,張曉.  電工技術(shù). 2017(04)
[8]航拍圖像中絕緣子缺陷的檢測(cè)與定位[J]. 方挺,韓家明.  計(jì)算機(jī)科學(xué). 2016(S1)
[9]航拍圖像中絕緣子串的輪廓提取和故障檢測(cè)[J]. 方挺,董沖,胡興柳,王彥.  上海交通大學(xué)學(xué)報(bào). 2013(12)
[10]航拍圖像中玻璃絕緣子自爆缺陷的檢測(cè)及定位[J]. 張少平,楊忠,黃宵寧,吳懷群,顧元政.  太赫茲科學(xué)與電子信息學(xué)報(bào). 2013(04)

博士論文
[1]航拍輸電線圖像中部件檢測(cè)關(guān)鍵技術(shù)研究[D]. 廖圣龍.大連海事大學(xué) 2017

碩士論文
[1]基于YOLOv3和多目標(biāo)跟蹤的智能交通視頻監(jiān)控系統(tǒng)[D]. 曾星宇.桂林電子科技大學(xué) 2019
[2]視頻會(huì)議系統(tǒng)移動(dòng)端的研究與實(shí)現(xiàn)[D]. 劉志文.北京郵電大學(xué) 2019
[3]基于改進(jìn)YOLOv3算法的道路多目標(biāo)實(shí)時(shí)檢測(cè)方法[D]. 宋二猛.江西理工大學(xué) 2019
[4]網(wǎng)聯(lián)汽車中基于邊緣計(jì)算的智能預(yù)警系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 馬伯驕.北京郵電大學(xué) 2019
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)研究[D]. 王魯許.北京郵電大學(xué) 2019
[6]基于機(jī)器學(xué)習(xí)的航拍圖像絕緣子識(shí)別方法研究[D]. 伍洋.華北電力大學(xué) 2016
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的多標(biāo)簽場(chǎng)景分類[D]. 陳智.山東大學(xué) 2015
[8]航拍輸電線圖像的絕緣子識(shí)別[D]. 鐘超.大連海事大學(xué) 2014
[9]基于支持向量機(jī)的圖像分類研究[D]. 汪斌.浙江大學(xué) 2013



本文編號(hào)：3514494