基于绝缘子图像的缺陷检测方法研究
发布时间：2020-10-24 11:04
随着电力需求不断增加、输电线路规模不断扩大,传统的人工巡检的方式存在人力物力资源消耗大、安全性差、效率低下等一系列问题,采取更自动化、智能化电力巡检方式已经成为电力相关工作者乃至社会各界的研究热点,进行对绝缘子缺陷检测方法的研究为实现智能化输电线路巡检提供参考依据,其意义重大。通过研究“如何利用无人机航拍绝缘子图像结合不同缺陷检测方法”进行绝缘子的定位和“自爆”位置的识别,从而实现绝缘子“自爆”缺陷的自动检测,本文的工作主要分为以下三个部分。数据分析与处理,结合研究过程以及航拍图像数据特点对原始图像进行去重、降采样、图像增强、噪音去除等数据预处理操作,以确保基础数据的准确性和有效性。利用图像处理进行缺陷检测方法的研究,采用基于连通区域、直线拟合、形态学的图像处理方法,设计算法模型并进行试验实现了绝缘子定位和“自爆”的检测。利用深度学习进行“自爆”检测方法的研究,结合实际绝缘子数据,采用了基于区域建议的级联式绝缘子检测模型实现定位和检测功能,利用仿射变换和背景融合进行数据扩增来解决图像数据正负样本数量不均衡的问题,并设计了多组实验验证模型的有效性。通过对航拍绝缘子图像进行预处理,设计并实现图像处理和深度学习检测方法进行自爆缺陷的检测,实验结果表明,对于输入的绝缘子图像,可以实现绝缘子定位和自爆区域的识别并在图像中标识出缺陷的位置,帮助工作人员快速找到破损绝缘子并及时更换。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TM216;TP391.41
【部分图文】：
要采取一定的去噪措施。具体的数据处理的方法因检测算法不同有所不同。(2) 绝缘子的定位实现绝缘子的定位是实现缺陷检测的前提，直接从输入图像中进行缺陷的检测会增加算法的复杂度，也会大大增加误检的概率。本文以航拍图像为输入，以如何从复杂背景图像中定位绝缘子为研究内容，为后续进行缺陷检测做好铺垫。(3) 绝缘子“自曝”检测以从定位的绝缘子中找到并标识出“自曝”缺陷的位置为研究内容，找到效果更好、更快、适用性更强的缺陷检测方法。(4) 实验首先对绝缘子图像数据进行预处理，然后通过定位算法实现绝缘子从背景中的分离，最后利用数学模型和深度学习分别实现绝缘子的“自曝”检测。基于绝缘子航拍图像和缺陷检测方法，对绝缘子的“自曝”缺陷进行标识，实现本文目标。为实现上述研究内容，达到研究目标，本文一系列研究工作将围绕图 1-1 中所示的技术路线展开。
华 中 科 技 大 学 硕 士 学 位 论 文2 绝缘子图像数据的采集和预处理数据来源与分析由于输电线中绝缘子处于高空状态，不借助于工具一般难以接触到，大部分都是通过无人机高空操作拍摄视频图像存储起来，电力公司因工作需要会进行巡视拍摄工作，具体的工作流程如图 2-1 所示，整个巡线过程中包括工作计划的设定，飞行任务的执行，地面对无人机飞行的监控，以及对无人机拍摄的视频和图像内容的处理等部分，其中无人机在执行任务的过程中需要进行目标识别、飞行控制、拍摄存储图像等一系列操作，最终可以获取绝缘子图像数据。
(a) 原图 (b) 增强图图 2-2 线性调整对比图另一种方式是通过直方图均衡化，通过统计不同灰度值出现的概率来绘制然后通过拉伸操作使得某一范围内的像素个数分布基本一致从而实现顶峰强、两侧谷底对比减弱的效果。彩色图像直方图均衡化方式和灰度图一样别对红、绿、蓝三个颜色通道分开处理，本文以灰度图直方图均衡化进行介始图像在( x, y )处的灰度为 f ，而均衡化后的灰度为 g ，则该过程可表述 y )处的灰度 f 映射为 g ，数学方法可定义为公式(2.2):g ( x, y ) T [ f ( x, y)](2映射函数 T ( r )需要同时满足以下两个条件：T 的值域在灰度级 0～L-1 上单调递增;T 的值域在 0～L-1 之间，其中 L=256。在图像处理中有一重要的函数，如公式(2.3)所示，恰好能满足上述条件，为累计分布函数（Cumulative Distribution Function，CDF），主要用来描述的概率分布情况。
【参考文献】
本文编号：2854381
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TM216;TP391.41
【部分图文】：
要采取一定的去噪措施。具体的数据处理的方法因检测算法不同有所不同。(2) 绝缘子的定位实现绝缘子的定位是实现缺陷检测的前提，直接从输入图像中进行缺陷的检测会增加算法的复杂度，也会大大增加误检的概率。本文以航拍图像为输入，以如何从复杂背景图像中定位绝缘子为研究内容，为后续进行缺陷检测做好铺垫。(3) 绝缘子“自曝”检测以从定位的绝缘子中找到并标识出“自曝”缺陷的位置为研究内容，找到效果更好、更快、适用性更强的缺陷检测方法。(4) 实验首先对绝缘子图像数据进行预处理，然后通过定位算法实现绝缘子从背景中的分离，最后利用数学模型和深度学习分别实现绝缘子的“自曝”检测。基于绝缘子航拍图像和缺陷检测方法，对绝缘子的“自曝”缺陷进行标识，实现本文目标。为实现上述研究内容，达到研究目标，本文一系列研究工作将围绕图 1-1 中所示的技术路线展开。
华 中 科 技 大 学 硕 士 学 位 论 文2 绝缘子图像数据的采集和预处理数据来源与分析由于输电线中绝缘子处于高空状态，不借助于工具一般难以接触到，大部分都是通过无人机高空操作拍摄视频图像存储起来，电力公司因工作需要会进行巡视拍摄工作，具体的工作流程如图 2-1 所示，整个巡线过程中包括工作计划的设定，飞行任务的执行，地面对无人机飞行的监控，以及对无人机拍摄的视频和图像内容的处理等部分，其中无人机在执行任务的过程中需要进行目标识别、飞行控制、拍摄存储图像等一系列操作，最终可以获取绝缘子图像数据。
(a) 原图 (b) 增强图图 2-2 线性调整对比图另一种方式是通过直方图均衡化，通过统计不同灰度值出现的概率来绘制然后通过拉伸操作使得某一范围内的像素个数分布基本一致从而实现顶峰强、两侧谷底对比减弱的效果。彩色图像直方图均衡化方式和灰度图一样别对红、绿、蓝三个颜色通道分开处理，本文以灰度图直方图均衡化进行介始图像在( x, y )处的灰度为 f ，而均衡化后的灰度为 g ，则该过程可表述 y )处的灰度 f 映射为 g ，数学方法可定义为公式(2.2):g ( x, y ) T [ f ( x, y)](2映射函数 T ( r )需要同时满足以下两个条件：T 的值域在灰度级 0～L-1 上单调递增;T 的值域在 0～L-1 之间，其中 L=256。在图像处理中有一重要的函数，如公式(2.3)所示，恰好能满足上述条件，为累计分布函数（Cumulative Distribution Function，CDF），主要用来描述的概率分布情况。
【参考文献】
相关期刊论文 前1条
1 王银立;闫斌;;基于视觉的绝缘子“掉串”缺陷的检测与定位[J];计算机工程与设计;2014年02期
相关博士学位论文 前2条
1 廖圣龙;航拍输电线图像中部件检测关键技术研究[D];大连海事大学;2017年
2 崔克彬;基于图像的绝缘子缺陷检测中若干关键技术研究[D];华北电力大学(北京);2016年
相关硕士学位论文 前7条
1 任文文;基于卷积神经网络的航拍绝缘子图像的检测与提取应用研究[D];安徽工业大学;2018年
2 王子昊;深度学习在输电铁塔关键部件缺陷检测中的应用研究[D];中国民航大学;2018年
3 张木柳;基于航拍图像的输电线路关键部件识别与故障检测[D];华北电力大学;2018年
4 齐南珣;输电线路巡检图像的智能缺陷检测方法研究[D];华北电力大学(北京);2018年
5 伍洋;基于机器学习的航拍图像绝缘子识别方法研究[D];华北电力大学;2016年
6 钟超;航拍输电线图像的绝缘子识别[D];大连海事大学;2014年
7 张保花;直升机巡检输电线路图像中绝缘子部件的提取[D];大连海事大学;2010年
本文编号：2854381
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2854381.html
