輸電線路圖像中包含復(fù)雜的前景與背景信息,單一的檢測不能定位出各目標(biāo)的精確位置信息,而單獨(dú)的分割不能對各目標(biāo)的類進(jìn)行識別,所以,對輸電線路圖像進(jìn)行同時(shí)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(chǔ)上,再對輸電線路的狀態(tài)進(jìn)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(dǎo)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(shù)據(jù)集的標(biāo)簽不能適用于輸電線路圖像上,借鑒VOC數(shù)據(jù)集的標(biāo)簽文件,構(gòu)建輸電線路圖像分割與檢測數(shù)據(jù)集,以此數(shù)據(jù)集為支撐,對FCIS模型進(jìn)行復(fù)現(xiàn)�？紤]到輸電線路視覺范圍內(nèi)絕緣子、導(dǎo)線及細(xì)小金具的固有特征,對FCIS模型中的RPN網(wǎng)絡(luò)進(jìn)行微調(diào),改變RPN網(wǎng)絡(luò)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(dǎo)線及細(xì)小金具等定位不準(zhǔn)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(yīng)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(xì)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(xì)小金具的分割與檢測精度。以所構(gòu)建的輸電線路分... 

【文章來源】：華北電力大學(xué)河北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：47 頁

【學(xué)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(nèi)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(nèi)容安排
第2章 輸電線路圖像分割與檢測數(shù)據(jù)集的構(gòu)建
    2.1 引言
    2.2 深度學(xué)習(xí)經(jīng)典數(shù)據(jù)庫的介紹
        2.2.1 ImageNet公共數(shù)據(jù)集
        2.2.2 PASCAL VOC數(shù)據(jù)集
        2.2.3 COCO數(shù)據(jù)集
    2.3 構(gòu)建輸電線路圖像分割與檢測數(shù)據(jù)集
        2.3.1 目的和意義
        2.3.2 準(zhǔn)備工作
        2.3.3 輸電線路圖像的類別標(biāo)注
        2.3.4 輸電線路圖像的實(shí)例標(biāo)注
    2.4 小結(jié)
第3章 基于輸電線路圖像的FCIS模型的微調(diào)
    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(shí)驗(yàn)結(jié)果與分析
        3.1.4 FCIS模型簡介
    3.2 微調(diào)FCIS模型
        3.2.1 RPN層
        3.2.2 RPN層的改進(jìn)
        3.2.3 微調(diào)前與微調(diào)后的實(shí)驗(yàn)結(jié)果對比與分析
    3.3 小結(jié)
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(shí)驗(yàn)結(jié)果與分析
    4.5 小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間參加的科研工作
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于微調(diào)優(yōu)化的深度學(xué)習(xí)在語音識別中的應(yīng)用[J]. 彭玉青,劉帆,高晴晴,張媛媛,閆倩.  鄭州大學(xué)學(xué)報(bào)(理學(xué)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(xué)技術(shù)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(xué)報(bào). 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(wǎng)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(xué)報(bào). 2012(09)
[6]無人飛行器巡檢輸電線路的桿塔和導(dǎo)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(xué)報(bào). 2012(03)
[8]圖像處理技術(shù)在直升機(jī)巡檢輸電線路中的應(yīng)用綜述[J]. 仝衛(wèi)國,苑津莎,李寶樹.  電網(wǎng)技術(shù). 2010(12)
[9]WordNet綜述[J]. 姚天順,張俐,高竹.  語言文字應(yīng)用. 2001(01)

博士論文
[1]基于深度學(xué)習(xí)的紅外圖像語義分割技術(shù)研究[D]. 王晨.中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所) 2017
[2]基于智能信息融合的電力設(shè)備故障診斷新技術(shù)研究[D]. 胡文平.華中科技大學(xué) 2005

碩士論文
[1]基于深度學(xué)習(xí)的圖像超分辨率重構(gòu)技術(shù)研究[D]. 連逸亞.江南大學(xué) 2018
[2]基于深度學(xué)習(xí)的圖像識別與文字推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 王雨辰.北京交通大學(xué) 2017
[3]內(nèi)蒙古包頭地區(qū)500kV輸電線路技術(shù)改造與應(yīng)用[D]. 鄭昌.華北電力大學(xué) 2016
[4]無人機(jī)輸電線路巡線技術(shù)及其應(yīng)用研究[D]. 李力.長沙理工大學(xué) 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(xué)（河北） 2010



本文編號：3194363