發(fā)布時間：2022-09-28 13:29

　　近年來,我國電網(wǎng)投資規(guī)模不斷擴大,導致電力網(wǎng)絡結(jié)構(gòu)更為錯綜復雜,而輸電線路的暢通和各類部件的正常工作密不可分。目前我國輸電線路部件故障檢測主要是對航拍采集到的特定部件圖像設計相應的特征提取器,進而分類判斷。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復雜背景圖像有較好的魯棒性;同時我國低空領域管限嚴格,航拍巡檢人員無法自由巡檢練習。針對上述問題,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方法。本文重點搭建輸電線路故障識別及檢測網(wǎng)絡模型對故障部件進行智能檢測,同時對于我國低空領域的管制,本文提出基于VR的輸電線路巡檢培訓,可以有效地緩解巡檢人員無法巡檢練習的局限。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)絡算法為基礎,搭建輸電線路部件識別及故障檢測網(wǎng)絡模型,并在自建數(shù)據(jù)集上訓練調(diào)參,得到一個泛化性較強的故障識別網(wǎng)絡;然后,將訓練好的模型加載到Qt中,實現(xiàn)對航拍圖像進行自動檢測并分類保存,生成相應的故障報表,同時對檢測出的故障部件... 

【文章頁數(shù)】：73 頁

【學位級別】：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 國內(nèi)外研究現(xiàn)狀
        1.2.1 國內(nèi)外輸電線路巡檢方式研究現(xiàn)狀
        1.2.2 國內(nèi)外輸電線路故障檢測研究現(xiàn)狀
    1.3 研究難點和內(nèi)容
        1.3.1 研究難點
        1.3.2 研究內(nèi)容
    1.4 論文結(jié)構(gòu)框架
第二章 目標檢測算法相關(guān)理論
    2.1 神經(jīng)網(wǎng)絡
        2.1.1 卷積神經(jīng)網(wǎng)絡
        2.1.2 Softmax分類器
    2.2 目標檢測算法
        2.2.1 R-CNN目標檢測算法
        2.2.2 Fast-RCNN目標檢測算法
        2.2.3 Faster-RCNN目標檢測算法
        2.2.4 對比與分析
    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
    3.1 航拍圖像輸電線路部件故障檢測系統(tǒng)結(jié)構(gòu)
    3.2 基于深度學習的部件故障檢測網(wǎng)絡結(jié)構(gòu)
        3.2.1 輸電線路部件識別及故障檢測網(wǎng)絡框架
        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
        3.2.5 caffe框架搭建及網(wǎng)絡訓練
    3.3 搭建基于VR的輸電線路巡視培訓平臺
        3.3.1 開發(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 三維真實地形的構(gòu)建
        3.3.4 著色器設計
        3.3.5 虛擬現(xiàn)實頭顯一帶多設計
    3.4 本章小結(jié)
第四章 航拍圖像輸電線路部件故障檢測結(jié)果與分析
    4.1 實驗環(huán)境與數(shù)據(jù)
        4.1.1 實驗環(huán)境
        4.1.2 實驗數(shù)據(jù)集
    4.2 基于深度學習的部件故障檢測結(jié)果
        4.2.1 實驗結(jié)果及分析
        4.2.2 錯誤檢測分析
        4.2.3魯棒性實驗
    4.3 基于VR的輸電線路巡視培訓結(jié)果
        4.3.1 人機交互
        4.3.2 全景漫游
    4.4 本章小結(jié)
第五章 輸電線路缺陷檢測與管理系統(tǒng)軟件開發(fā)
    5.1 總體框架設計
    5.2 模塊化功能實現(xiàn)
    5.3 本章小結(jié)
總結(jié)和展望
參考文獻
攻讀學位期間取得的研究成果
致謝


【參考文獻】：
期刊論文
[1]“十三五”中國電力需求水平預測[J]. 杜忠明,王雪松.  中國電力. 2017(09)
[2]無人機系統(tǒng)在架空輸電線路巡檢業(yè)務中的應用[J]. 陳利明,劉偉東,李源源,楊鶴猛,武藝,楊豐愷,孔令宇,王淼.  測繪通報. 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,郝愛民.  江西師范大學學報(自然科學版). 2017(04)
[4]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[5]基于卷積神經(jīng)網(wǎng)絡的目標檢測研究綜述[J]. 李旭冬,葉茂,李濤.  計算機應用研究. 2017(10)
[6]基于顯著性和深度卷積神經(jīng)網(wǎng)絡的輸送帶表面故障定位[J]. 趙燕飛,楊彥利,王麗娟.  工礦自動化. 2016(12)
[7]基于計算機視覺的虛擬現(xiàn)實技術(shù)在體育教學中的應用研究[J]. 郭漢,宋耀偉,張森木.  西北工業(yè)大學學報(社會科學版). 2016(02)
[8]自然場景中基于局部輪廓特征的類圓對象識別方法[J]. 班孝坤,韓軍,陸冬明,王萬國,劉俍.  計算機應用. 2016(05)
[9]基于Hough檢測和C-V模型的航拍絕緣子自動協(xié)同分割方法[J]. 趙振兵,徐磊,戚銀城,蔡銀萍.  儀器儀表學報. 2016(02)
[10]一種無人機圖像的鐵塔上鳥巢檢測方法[J]. 徐晶,韓軍,童志剛,王亞先.  計算機工程與應用. 2017(06)

碩士論文
[1]基于無人機航拍圖像的輸電線識別方法研究[D]. 劉雄.華東師范大學 2018
[2]基于深度學習的多角度車輛信息識別研究[D]. 宋思言.長安大學 2018
[3]基于機器學習的航拍圖像絕緣子識別方法研究[D]. 伍洋.華北電力大學 2016
[4]基于無人機的輸電線故障檢測系統(tǒng)的設計與實現(xiàn)[D]. 顏敏.浙江大學 2016
[5]輸電線路無人機巡檢路徑規(guī)劃研究及應用[D]. 熊典.武漢科技大學 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 2011



本文編號：3681750