輸電線路是我國電力輸送的主要樞紐,絕緣子作為其中的重要組成部分,不僅可以為電力線提供機械支撐,還可以防止電流接地。但是由于絕緣子的結構特性以及外部環(huán)境等因素,使其十分容易發(fā)生自爆、閃絡等故障,進而導致輸電線路無法正常運行,所以按時巡檢絕緣子的狀態(tài)十分重要。本文在絕緣子檢測識別過程中,首先采用了選擇性搜索方法對圖像產生目標建議并進行分割,然后針對絕緣子識別設計了卷積神經網絡的結構,并將該方法與HOG特征結合SVM分類器以及PCA結合BP神經網絡的識別方法進行了對比。其中HOG結合SVM分類器代表是傳統(tǒng)的圖像處理方法,PCA結合BP神經網絡代表的是傳統(tǒng)的全連接神經網絡方法,卷積神經網絡則代表的是深度學習。在絕緣子自爆缺失檢測過程中,根據訓練好的卷積神經網絡的參數通過反卷積運算實現(xiàn)絕緣子信息的重構,對重構的特征顯著圖先二值化再進行超像素分割,然后建立出絕緣子串的數學模型,最終精準定位出絕緣子自爆缺失的位置。實驗結果表明:在絕緣子檢測識別的算法中,使用卷積神經網絡的方法效果最好,該方法基本可以避免拍攝距離、角度等條件的影響,對復雜背景也具有很好的識別能力。因此本文最終在卷積神經網絡識別絕緣子的... 

【文章來源】：安徽工業(yè)大學安徽省

【文章頁數】：78 頁

【學位級別】：碩士

【部分圖文】：

無人機巡檢作業(yè)示意圖

圖 2. 1 IOU 示意圖 A、B 的重合度 IOU 的計算公式為：IOU ( A B ) / ( A B)框 A、B 的重疊面積占 A、B 并集面積的比例：1 1/ ( )A BIOU S S S S得出的目標窗口不一定是完整的待測物體，可能有所偏差：

的是兩個 bounding box 的重疊度，如下圖所示：圖 2. 1 IOU 示意圖、B 的重合度 IOU 的計算公式為：IOU ( A B ) / ( A B) A、B 的重疊面積占 A、B 并集面積的比例：1 1/ ( )A BIOU S S S S出的目標窗口不一定是完整的待測物體，可能有所偏差

【參考文獻】：
期刊論文
[1]基于卷積神經網絡的圖像特征識別研究[J]. 楊念聰,任瓊,張成喆,周子煜,李倩,邱蘭.  信息與電腦(理論版). 2017(14)
[2]500 kV線路玻璃絕緣子集中自爆原因分析[J]. 黃松泉,周學明,胡丹輝,姚堯,劉正云.  湖北電力. 2017(04)
[3]融合局部紋理特征的顆粒圖像SLIC超像素分割方法[J]. 李嘯宇,張秋菊.  食品與機械. 2016(12)
[4]無人機巡檢輸電線路技術及應用實踐微探[J]. 黃遠峰.  通訊世界. 2016(17)
[5]BP神經網絡算法改進及應用研究[J]. 李如平,朱煉,吳房勝,徐珍玉.  菏澤學院學報. 2016(02)
[6]選擇性搜索和多深度學習模型融合的目標跟蹤[J]. 鐘必能,潘勝男.  華僑大學學報(自然科學版). 2016(02)
[7]試分析輸電線路運行故障分析與防治策略[J]. 彭玉金,寧琦.  信息化建設. 2016(02)
[8]基于深度卷積神經網絡的行人檢測[J]. 芮挺,費建超,周遊,方虎生,朱經緯.  計算機工程與應用. 2016(13)
[9]無人機巡檢輸電線路技術的應用探析[J]. 諸葛葳.  科技經濟市場. 2015(05)
[10]基于高壓輸電線路電流狀態(tài)的檢測方法研究[J]. 趙彥平,王慧剛.  中國電業(yè)(技術版). 2015(03)

博士論文
[1]基于非接觸式的劣化絕緣子檢測方法的研究[D]. 陳濤.重慶大學 2006

碩士論文
[1]基于深度網絡特征學習的植物葉片識別算法研究與實現(xiàn)[D]. 劉晶晶.深圳大學 2017
[2]基于卷積神經網絡的圖像分類算法研究[D]. 郭田梅.濟南大學 2017
[3]航拍圖像的絕緣子自爆特征識別研究[D]. 熊杰.電子科技大學 2016
[4]內蒙古包頭地區(qū)500kV輸電線路技術改造與應用[D]. 鄭昌.華北電力大學 2016
[5]卷積神經網絡在圖像分類中的應用研究[D]. 吳正文.電子科技大學 2015
[6]基于HOG特征的車輛檢測技術研究[D]. 馬蓓蓓.華南理工大學 2015
[7]主成分分析與二維主成分分析之比較研究[D]. 吳敬華.云南財經大學 2014
[8]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
[9]基于卷積神經網絡的深度學習算法與應用研究[D]. 陳先昌.浙江工商大學 2014
[10]基于視覺詞匯的物體檢測方法研究[D]. 郭浩.天津大學 2014



本文編號：3359910