基于FCIS模型的輸電線路圖像同時分割與檢測方法研究
發(fā)布時間:2021-05-18 19:33
輸電線路圖像中包含復雜的前景與背景信息,單一的檢測不能定位出各目標的精確位置信息,而單獨的分割不能對各目標的類進行識別,所以,對輸電線路圖像進行同時分割與檢測,在獲得更為精確的位置信息和類別判斷的基礎上,再對輸電線路的狀態(tài)進行監(jiān)測以及故障診斷是具有重大意義的。本文主要以輸電線路圖像中的導線、絕緣子、金具及桿塔為研究對象,做了如下工作:考慮到公共數據集的標簽不能適用于輸電線路圖像上,借鑒VOC數據集的標簽文件,構建輸電線路圖像分割與檢測數據集,以此數據集為支撐,對FCIS模型進行復現(xiàn)?紤]到輸電線路視覺范圍內絕緣子、導線及細小金具的固有特征,對FCIS模型中的RPN網絡進行微調,改變RPN網絡中anchor的長寬比及尺度的大小,以改善輸電線路圖像中絕緣子、導線及細小金具等定位不準確的問題?紤]到FCIS模型中輸入圖像的ROI與特征圖中的ROI對應位置的不匹配問題,用雙線性插值法替換最鄰近插值法,以減少由位置不匹配所帶來的特征信息損失問題?紤]到輸電線路圖像中細小金具的特征信息難以提取的問題,引用ROI Align中的梯度回傳算法,以提升模型對細小金具的分割與檢測精度。以所構建的輸電線路分...
【文章來源】:華北電力大學河北省 211工程院校 教育部直屬院校
【文章頁數】:47 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 選題背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內外研究現(xiàn)狀
1.2.1 基于深度模型的檢測方法研究現(xiàn)狀
1.2.2 基于深度模型的分割方法研究現(xiàn)狀
1.3 本文主要工作和內容安排
第2章 輸電線路圖像分割與檢測數據集的構建
2.1 引言
2.2 深度學習經典數據庫的介紹
2.2.1 ImageNet公共數據集
2.2.2 PASCAL VOC數據集
2.2.3 COCO數據集
2.3 構建輸電線路圖像分割與檢測數據集
2.3.1 目的和意義
2.3.2 準備工作
2.3.3 輸電線路圖像的類別標注
2.3.4 輸電線路圖像的實例標注
2.4 小結
第3章 基于輸電線路圖像的FCIS模型的微調
3.1 引言
3.1.1 Faster-RCNN模型簡介
3.1.2 R-FCN模型簡介
3.1.3 實驗結果與分析
3.1.4 FCIS模型簡介
3.2 微調FCIS模型
3.2.1 RPN層
3.2.2 RPN層的改進
3.2.3 微調前與微調后的實驗結果對比與分析
3.3 小結
第4章 FCIS模型中特征信息損失問題的研究
4.1 引言
4.2 位置不匹配的處理方法
4.2.1 ROI Pooling
4.2.2 ROI Warping
4.2.3 ROI Align
4.3 PS2-ROI ALIGN
4.4 實驗結果與分析
4.5 小結
第5章 總結與展望
5.1 總結
5.2 展望
參考文獻
攻讀碩士學位期間參加的科研工作
致謝
【參考文獻】:
期刊論文
[1]基于微調優(yōu)化的深度學習在語音識別中的應用[J]. 彭玉青,劉帆,高晴晴,張媛媛,閆倩. 鄭州大學學報(理學版). 2016(04)
[2]基于ORB算法的輸電線路異物識別研究[J]. 焦圣喜,王海洋. 科學技術與工程. 2016(27)
[3]輸電線路巡檢圖像智能診斷系統(tǒng)[J]. 傅博,姜勇,王洪光,姜文東,宋屹峰,王燦燦,初金良,趙彥平. 智能系統(tǒng)學報. 2016(01)
[4]基于ASIFT算法的絕緣子視頻圖像的識別與定位[J]. 苑津莎,崔克彬,李寶樹. 電測與儀表. 2015(07)
[5]電網巡檢圖像中絕緣子的識別[J]. 姚春羽,金立軍,閆書佳. 系統(tǒng)仿真學報. 2012(09)
[6]無人飛行器巡檢輸電線路的桿塔和導線跟蹤算法[J]. 呂明,盛戈皞,張衛(wèi)東,劉亞東,江秀臣. 電力系統(tǒng)自動化. 2012(09)
[7]一種基于WordNet的短文本語義相似性算法[J]. 翟延冬,王康平,張東娜,黃嵐,周春光. 電子學報. 2012(03)
[8]圖像處理技術在直升機巡檢輸電線路中的應用綜述[J]. 仝衛(wèi)國,苑津莎,李寶樹. 電網技術. 2010(12)
[9]WordNet綜述[J]. 姚天順,張俐,高竹. 語言文字應用. 2001(01)
博士論文
[1]基于深度學習的紅外圖像語義分割技術研究[D]. 王晨.中國科學院大學(中國科學院上海技術物理研究所) 2017
[2]基于智能信息融合的電力設備故障診斷新技術研究[D]. 胡文平.華中科技大學 2005
碩士論文
[1]基于深度學習的圖像超分辨率重構技術研究[D]. 連逸亞.江南大學 2018
[2]基于深度學習的圖像識別與文字推薦系統(tǒng)的設計與實現(xiàn)[D]. 王雨辰.北京交通大學 2017
[3]內蒙古包頭地區(qū)500kV輸電線路技術改造與應用[D]. 鄭昌.華北電力大學 2016
[4]無人機輸電線路巡線技術及其應用研究[D]. 李力.長沙理工大學 2012
[5]基于航拍圖像的桿塔類型判斷及狀態(tài)識別[D]. 趙君.華北電力大學(河北) 2010
本文編號:3194363
【文章來源】:華北電力大學河北省 211工程院校 教育部直屬院校
【文章頁數】:47 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 選題背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內外研究現(xiàn)狀
1.2.1 基于深度模型的檢測方法研究現(xiàn)狀
1.2.2 基于深度模型的分割方法研究現(xiàn)狀
1.3 本文主要工作和內容安排
第2章 輸電線路圖像分割與檢測數據集的構建
2.1 引言
2.2 深度學習經典數據庫的介紹
2.2.1 ImageNet公共數據集
2.2.2 PASCAL VOC數據集
2.2.3 COCO數據集
2.3 構建輸電線路圖像分割與檢測數據集
2.3.1 目的和意義
2.3.2 準備工作
2.3.3 輸電線路圖像的類別標注
2.3.4 輸電線路圖像的實例標注
2.4 小結
第3章 基于輸電線路圖像的FCIS模型的微調
3.1 引言
3.1.1 Faster-RCNN模型簡介
3.1.2 R-FCN模型簡介
3.1.3 實驗結果與分析
3.1.4 FCIS模型簡介
3.2 微調FCIS模型
3.2.1 RPN層
3.2.2 RPN層的改進
3.2.3 微調前與微調后的實驗結果對比與分析
3.3 小結
第4章 FCIS模型中特征信息損失問題的研究
4.1 引言
4.2 位置不匹配的處理方法
4.2.1 ROI Pooling
4.2.2 ROI Warping
4.2.3 ROI Align
4.3 PS2-ROI ALIGN
4.4 實驗結果與分析
4.5 小結
第5章 總結與展望
5.1 總結
5.2 展望
參考文獻
攻讀碩士學位期間參加的科研工作
致謝
【參考文獻】:
期刊論文
[1]基于微調優(yōu)化的深度學習在語音識別中的應用[J]. 彭玉青,劉帆,高晴晴,張媛媛,閆倩. 鄭州大學學報(理學版). 2016(04)
[2]基于ORB算法的輸電線路異物識別研究[J]. 焦圣喜,王海洋. 科學技術與工程. 2016(27)
[3]輸電線路巡檢圖像智能診斷系統(tǒng)[J]. 傅博,姜勇,王洪光,姜文東,宋屹峰,王燦燦,初金良,趙彥平. 智能系統(tǒng)學報. 2016(01)
[4]基于ASIFT算法的絕緣子視頻圖像的識別與定位[J]. 苑津莎,崔克彬,李寶樹. 電測與儀表. 2015(07)
[5]電網巡檢圖像中絕緣子的識別[J]. 姚春羽,金立軍,閆書佳. 系統(tǒng)仿真學報. 2012(09)
[6]無人飛行器巡檢輸電線路的桿塔和導線跟蹤算法[J]. 呂明,盛戈皞,張衛(wèi)東,劉亞東,江秀臣. 電力系統(tǒng)自動化. 2012(09)
[7]一種基于WordNet的短文本語義相似性算法[J]. 翟延冬,王康平,張東娜,黃嵐,周春光. 電子學報. 2012(03)
[8]圖像處理技術在直升機巡檢輸電線路中的應用綜述[J]. 仝衛(wèi)國,苑津莎,李寶樹. 電網技術. 2010(12)
[9]WordNet綜述[J]. 姚天順,張俐,高竹. 語言文字應用. 2001(01)
博士論文
[1]基于深度學習的紅外圖像語義分割技術研究[D]. 王晨.中國科學院大學(中國科學院上海技術物理研究所) 2017
[2]基于智能信息融合的電力設備故障診斷新技術研究[D]. 胡文平.華中科技大學 2005
碩士論文
[1]基于深度學習的圖像超分辨率重構技術研究[D]. 連逸亞.江南大學 2018
[2]基于深度學習的圖像識別與文字推薦系統(tǒng)的設計與實現(xiàn)[D]. 王雨辰.北京交通大學 2017
[3]內蒙古包頭地區(qū)500kV輸電線路技術改造與應用[D]. 鄭昌.華北電力大學 2016
[4]無人機輸電線路巡線技術及其應用研究[D]. 李力.長沙理工大學 2012
[5]基于航拍圖像的桿塔類型判斷及狀態(tài)識別[D]. 趙君.華北電力大學(河北) 2010
本文編號:3194363
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3194363.html
教材專著