隨著電力系統(tǒng)智能化的快速發(fā)展,計算機視覺技術已經被廣泛應用于電網的電力設備在線監(jiān)測和巡檢中。絕緣子是整個電力系統(tǒng)及電網中的重要輸電線路元件,由于其長期在野外暴露,致使諸如異物搭掛、裂紋、破損以及自爆等所導致的故障頻發(fā),對電網輸電線路可靠、安全及正常工作造成了嚴重影響。因此,對電網絕緣子進行定位、狀態(tài)監(jiān)測及故障檢測識別,有助于提升輸電線路巡檢有效性、安全性及自動化水平。本文結合當前國內外相關研究現(xiàn)狀及技術進展,基于圖像識別理論及電網絕緣子識別關鍵技術,采用搭載攝像機的無人機獲取用于機器學習的絕緣子圖像數(shù)據集,并通過對采集到的電網絕緣子圖像進行預處理,從中提取機器學習的電網絕緣子特征。在電網絕緣子識別過程中,本文分別將YOLOv3和絕緣子3D模型及骨架提取與AdaBoost有效結合,提出兩套識別方法,即基于YOLOv3的AdaBoost算法和基于3D模型及骨架提取的AdaBoost算法。對電網絕緣子整個識別過程進行分析,由此得到不同識別原理、方法及同一識別目標下,基于機器學習的電網絕緣子的兩種識別實驗結果。其中,基于YOLOv3的AdaBoost算法是通過目標候選區(qū)域選取、目標候選區(qū)域有效... 

【文章來源】：中南民族大學湖北省

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

無人機巡檢作業(yè)示意圖

用于機器學習的電網絕緣子航拍圖像正樣本

用于機器學習的航拍圖像負樣本（不含電網絕緣子）


本文編號：2994133