隨著變電站向著智能化、自動(dòng)化、無人值守化發(fā)展,對于變電站設(shè)備進(jìn)行實(shí)時(shí)高效準(zhǔn)確的識(shí)別顯得非常重要,由于變電站環(huán)境比較復(fù)雜,且站內(nèi)設(shè)備類型比較多,基于傳統(tǒng)模式識(shí)別方法因?yàn)樘卣魈崛∷阕拥姆菍?shí)時(shí)性而難以實(shí)現(xiàn)變電站設(shè)備的實(shí)時(shí)檢測。因此,研究一種基于圖像的方法實(shí)時(shí)、高效、精準(zhǔn)的對設(shè)備進(jìn)行識(shí)別非常關(guān)鍵。本文通過對前人研究成果進(jìn)行了系統(tǒng)的分析和總結(jié),提出了一種在圖像的基礎(chǔ)上對設(shè)備進(jìn)行的精準(zhǔn)識(shí)別與定位的方法。論文研究成果如下:1)采集了不同的光照條件、不同氣候條件下7類常見的變電站設(shè)備的圖像信息,利用濾波方法對圖像的噪聲進(jìn)行去噪,同時(shí)利用數(shù)據(jù)增強(qiáng)技術(shù)對圖像數(shù)據(jù)集進(jìn)行了擴(kuò)充,從而增加樣本的多樣性。2)提出一種基于Faster R-CNN變電站設(shè)備識(shí)別方法,該方法首先利用共享網(wǎng)絡(luò)結(jié)構(gòu)提取圖像特征,經(jīng)過RPN網(wǎng)絡(luò)處理,生成候選區(qū)域,然后利用Faster R-CNN對候選區(qū)域進(jìn)行分類處理,同時(shí)利用邊框回歸技術(shù)對目標(biāo)進(jìn)行精準(zhǔn)定位,實(shí)現(xiàn)變電站設(shè)備的類別識(shí)別及定位。通過對七種常見的變電站設(shè)備進(jìn)行實(shí)驗(yàn)分析,得到了87.5%的平均識(shí)別精度。3)提出一種基于HF的隔離開關(guān)的檢測與狀態(tài)識(shí)別,該方法通過構(gòu)建分類器,結(jié)合一種無需... 

【文章來源】：遼寧工程技術(shù)大學(xué)遼寧省

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
2 圖像采集及圖像識(shí)別理論及技術(shù)基礎(chǔ)
    2.1 變電站圖像采集
    2.2 圖像預(yù)處理
    2.3 特征提取
    2.4 圖像識(shí)別
    2.5 本章小結(jié)
3 基于FasterR-CNN的變電站設(shè)備識(shí)別
    3.1 共享網(wǎng)絡(luò)結(jié)構(gòu)
    3.2 基于FasterR-CNN的變電站識(shí)別過程
    3.3 變電站設(shè)備識(shí)別環(huán)境搭建
    3.4 結(jié)果與分析
    3.5 本章小結(jié)
4 基于霍夫森林的變電站開關(guān)設(shè)備識(shí)別與狀態(tài)檢測
    4.1 隔離開關(guān)特征提取
    4.2 基于霍夫森林的開關(guān)設(shè)備識(shí)別
    4.3 基于霍夫森林的開關(guān)設(shè)備狀態(tài)檢測
    4.4 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3032709