輸電通道環(huán)境狀況日漸復(fù)雜,外力破壞事件發(fā)生的概率不斷提高,嚴(yán)重威脅著電網(wǎng)的供電可靠性。目前巡線工作主要通過(guò)人工巡線、無(wú)人機(jī)和實(shí)時(shí)監(jiān)控等方式進(jìn)行。其中人工巡線效率低下且費(fèi)時(shí)費(fèi)力,無(wú)人機(jī)工作距離有限且巡航能力不足,難以大范圍推廣到電網(wǎng)系統(tǒng)之中。與人工巡線和無(wú)人機(jī)相比,通過(guò)監(jiān)控設(shè)備對(duì)輸電線路通道環(huán)境進(jìn)行監(jiān)控,能夠長(zhǎng)時(shí)間大范圍監(jiān)控輸電通道環(huán)境,一定程度上緩解了巡視工作難度。實(shí)時(shí)監(jiān)控圖像需要人員進(jìn)行辨識(shí)危物,但人的主觀判斷卻無(wú)法保證效率和準(zhǔn)確率。而且隨著監(jiān)控覆蓋率的提升,海量圖像的處理反而進(jìn)一步加大了運(yùn)檢工作量。顯然監(jiān)控系統(tǒng)的使用未能實(shí)現(xiàn)真正的輸電通道智能化運(yùn)檢,無(wú)法從根本上解決外力破壞事件處理的困難。與此同時(shí),深度學(xué)習(xí)在機(jī)器視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理、機(jī)器翻譯、數(shù)據(jù)挖掘、自動(dòng)駕駛等方面取得了矚目發(fā)展,為輸電線路通道危險(xiǎn)物體檢測(cè)提供了新的思路和方法。本文主要研究替代人工辨識(shí)的圖像檢測(cè)方法,幫助運(yùn)檢人員及時(shí)發(fā)現(xiàn)輸電通道范圍內(nèi)危險(xiǎn)異物入侵,提升輸電通道運(yùn)檢工作的效率,保證電網(wǎng)運(yùn)行環(huán)境安全穩(wěn)定。在深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)和目標(biāo)檢測(cè)技術(shù)的基礎(chǔ)上,本文提出了基于深度學(xué)習(xí)的輸電通道危物辨識(shí)技術(shù),通過(guò)對(duì)圖像預(yù)處...

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 深度學(xué)習(xí)
        1.2.2 輸電通道危物辨識(shí)
    1.3 本文章節(jié)安排
第二章 深度學(xué)習(xí)目標(biāo)檢測(cè)原理
    2.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.1 神經(jīng)元
        2.1.2 人工神經(jīng)網(wǎng)絡(luò)
        2.1.3 反向傳播
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積層
        2.2.2 池化層
        2.2.3 全連接層
    2.3 目標(biāo)檢測(cè)模型選取
    2.4 本章小結(jié)
第三章 樣本集構(gòu)建
    3.1 輸電通道場(chǎng)景特征
    3.2 數(shù)據(jù)增強(qiáng)
        3.2.1 數(shù)據(jù)增強(qiáng)原理
        3.2.2 數(shù)據(jù)增強(qiáng)方法
    3.3 樣本集構(gòu)建
        3.3.1 數(shù)據(jù)標(biāo)注
        3.3.2 訓(xùn)練樣本增強(qiáng)
    3.4 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第四章 YOLOv3邊界框尺寸選取
    4.1 YOLOv3簡(jiǎn)介
        4.1.1 YOLOv3檢測(cè)模型結(jié)構(gòu)
        4.1.2 YOLOv3目標(biāo)檢測(cè)流程
    4.2 邊界框尺寸選取
        4.2.1 邊界框定義
        4.2.2 標(biāo)注框聚類(lèi)
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 標(biāo)注框聚類(lèi)實(shí)驗(yàn)
        4.3.2 圖像檢測(cè)實(shí)驗(yàn)
    4.4 本章小結(jié)
第五章 YOLOv3非極大值抑制改進(jìn)
    5.1 非極大值抑制
        5.1.1 非極大值抑制原理
        5.1.2 非極大值抑制缺陷
    5.2 非極大值抑制改進(jìn)
        5.2.1 GIoU
        5.2.2 Soft-NMS
        5.2.3 NMS改進(jìn)方案
    5.3 實(shí)驗(yàn)結(jié)果與分析
        5.3.1 改進(jìn)NMS算法
        5.3.2 圖像檢測(cè)實(shí)驗(yàn)
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄
學(xué)位論文評(píng)閱及答辯情況表



本文編號(hào)：3747892