近年來(lái),我國(guó)電網(wǎng)投資規(guī)模不斷擴(kuò)大,導(dǎo)致電力網(wǎng)絡(luò)結(jié)構(gòu)更為錯(cuò)綜復(fù)雜,而輸電線路的暢通和各類部件的正常工作密不可分。目前我國(guó)輸電線路部件故障檢測(cè)主要是對(duì)航拍采集到的特定部件圖像設(shè)計(jì)相應(yīng)的特征提取器,進(jìn)而分類判斷。鑒于航拍采集到的部件圖像姿態(tài)多樣化以及背景復(fù)雜多變化,使用特有的特征提取器局限性太大且很難保證對(duì)復(fù)雜背景圖像有較好的魯棒性;同時(shí)我國(guó)低空領(lǐng)域管限嚴(yán)格,航拍巡檢人員無(wú)法自由巡檢練習(xí)。針對(duì)上述問(wèn)題,所以本文提出了一種基于航拍圖像的輸電線路部件故障檢測(cè)方法。本文重點(diǎn)搭建輸電線路故障識(shí)別及檢測(cè)網(wǎng)絡(luò)模型對(duì)故障部件進(jìn)行智能檢測(cè),同時(shí)對(duì)于我國(guó)低空領(lǐng)域的管制,本文提出基于VR的輸電線路巡檢培訓(xùn),可以有效地緩解巡檢人員無(wú)法巡檢練習(xí)的局限。首先以航拍采集到的輸電線路部件圖像為主,三維建模并在不同背景下渲染所得圖像為輔建立wire₁8數(shù)據(jù)集;其次,以區(qū)域建議網(wǎng)絡(luò)算法為基礎(chǔ),搭建輸電線路部件識(shí)別及故障檢測(cè)網(wǎng)絡(luò)模型,并在自建數(shù)據(jù)集上訓(xùn)練調(diào)參,得到一個(gè)泛化性較強(qiáng)的故障識(shí)別網(wǎng)絡(luò);然后,將訓(xùn)練好的模型加載到Qt中,實(shí)現(xiàn)對(duì)航拍圖像進(jìn)行自動(dòng)檢測(cè)并分類保存,生成相應(yīng)的故障報(bào)表,同時(shí)對(duì)檢測(cè)出的故障部件... 

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)內(nèi)外輸電線路巡檢方式研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)外輸電線路故障檢測(cè)研究現(xiàn)狀
    1.3 研究難點(diǎn)和內(nèi)容
        1.3.1 研究難點(diǎn)
        1.3.2 研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)框架
第二章 目標(biāo)檢測(cè)算法相關(guān)理論
    2.1 神經(jīng)網(wǎng)絡(luò)
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.2 Softmax分類器
    2.2 目標(biāo)檢測(cè)算法
        2.2.1 R-CNN目標(biāo)檢測(cè)算法
        2.2.2 Fast-RCNN目標(biāo)檢測(cè)算法
        2.2.3 Faster-RCNN目標(biāo)檢測(cè)算法
        2.2.4 對(duì)比與分析
    2.3 caffe框架概述
    2.4 本章小結(jié)
第三章 基于航拍圖像輸電線路部件故障檢測(cè)
    3.1 航拍圖像輸電線路部件故障檢測(cè)系統(tǒng)結(jié)構(gòu)
    3.2 基于深度學(xué)習(xí)的部件故障檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.1 輸電線路部件識(shí)別及故障檢測(cè)網(wǎng)絡(luò)框架
        3.2.2 特征提取
        3.2.3 候選區(qū)域生成
        3.2.4 分類位置精修網(wǎng)絡(luò)
        3.2.5 caffe框架搭建及網(wǎng)絡(luò)訓(xùn)練
    3.3 搭建基于VR的輸電線路巡視培訓(xùn)平臺(tái)
        3.3.1 開(kāi)發(fā)環(huán)境選擇及整體框架
        3.3.2 輸電線路部件三維建模
        3.3.3 三維真實(shí)地形的構(gòu)建
        3.3.4 著色器設(shè)計(jì)
        3.3.5 虛擬現(xiàn)實(shí)頭顯一帶多設(shè)計(jì)
    3.4 本章小結(jié)
第四章 航拍圖像輸電線路部件故障檢測(cè)結(jié)果與分析
    4.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)
        4.1.1 實(shí)驗(yàn)環(huán)境
        4.1.2 實(shí)驗(yàn)數(shù)據(jù)集
    4.2 基于深度學(xué)習(xí)的部件故障檢測(cè)結(jié)果
        4.2.1 實(shí)驗(yàn)結(jié)果及分析
        4.2.2 錯(cuò)誤檢測(cè)分析
        4.2.3魯棒性實(shí)驗(yàn)
    4.3 基于VR的輸電線路巡視培訓(xùn)結(jié)果
        4.3.1 人機(jī)交互
        4.3.2 全景漫游
    4.4 本章小結(jié)
第五章 輸電線路缺陷檢測(cè)與管理系統(tǒng)軟件開(kāi)發(fā)
    5.1 總體框架設(shè)計(jì)
    5.2 模塊化功能實(shí)現(xiàn)
    5.3 本章小結(jié)
總結(jié)和展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]“十三五”中國(guó)電力需求水平預(yù)測(cè)[J]. 杜忠明,王雪松.  中國(guó)電力. 2017(09)
[2]無(wú)人機(jī)系統(tǒng)在架空輸電線路巡檢業(yè)務(wù)中的應(yīng)用[J]. 陳利明,劉偉東,李源源,楊鶴猛,武藝,楊豐愷,孔令宇,王淼.  測(cè)繪通報(bào). 2017(S1)
[3]具有力反饋的心血管介入虛擬手術(shù)模擬器的研發(fā)[J]. 謝叻,神祥龍,吳朝麗,鄧子龍,顧力栩,蔡萍,郝愛(ài)民.  江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[4]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)研究綜述[J]. 李旭冬,葉茂,李濤.  計(jì)算機(jī)應(yīng)用研究. 2017(10)
[6]基于顯著性和深度卷積神經(jīng)網(wǎng)絡(luò)的輸送帶表面故障定位[J]. 趙燕飛,楊彥利,王麗娟.  工礦自動(dòng)化. 2016(12)
[7]基于計(jì)算機(jī)視覺(jué)的虛擬現(xiàn)實(shí)技術(shù)在體育教學(xué)中的應(yīng)用研究[J]. 郭漢,宋耀偉,張森木.  西北工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2016(02)
[8]自然場(chǎng)景中基于局部輪廓特征的類圓對(duì)象識(shí)別方法[J]. 班孝坤,韓軍,陸冬明,王萬(wàn)國(guó),劉俍.  計(jì)算機(jī)應(yīng)用. 2016(05)
[9]基于Hough檢測(cè)和C-V模型的航拍絕緣子自動(dòng)協(xié)同分割方法[J]. 趙振兵,徐磊,戚銀城,蔡銀萍.  儀器儀表學(xué)報(bào). 2016(02)
[10]一種無(wú)人機(jī)圖像的鐵塔上鳥(niǎo)巢檢測(cè)方法[J]. 徐晶,韓軍,童志剛,王亞先.  計(jì)算機(jī)工程與應(yīng)用. 2017(06)

碩士論文
[1]基于無(wú)人機(jī)航拍圖像的輸電線識(shí)別方法研究[D]. 劉雄.華東師范大學(xué) 2018
[2]基于深度學(xué)習(xí)的多角度車輛信息識(shí)別研究[D]. 宋思言.長(zhǎng)安大學(xué) 2018
[3]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
[4]基于無(wú)人機(jī)的輸電線故障檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 顏敏.浙江大學(xué) 2016
[5]輸電線路無(wú)人機(jī)巡檢路徑規(guī)劃研究及應(yīng)用[D]. 熊典.武漢科技大學(xué) 2014
[6]基于PCNN的航拍絕緣子圖像的分割及定位研究[D]. 鄭濤.大連海事大學(xué) 2011



本文編號(hào)：3681750