基于深度学习的电力通道违章建筑检测算法研究
发布时间：2020-12-15 08:16
因高压传输电能和智能电网建设需求,保障电力通道的安全成为电力部门工作中的首要任务之一,违章建筑侵占电力通道的现象屡禁不止,使得电力安全传输和电网安全存在重大隐患。当前主流深度学习建筑检测算法大多针对城市遥感图像中的违章建筑检测,在动态背景下的视频序列图像表现性能不佳,本文以电力通道违章建筑检测实际需求出发,针对侵占电力通道的违章建筑,研究并应用以卷积神经网络为代表的深度学习技术,实现序列图像中建筑物的精确定位,设计违章建筑判别器,实现电力通道违章建筑检测目标。本文主要研究内容:（1）违章建筑对象数量不确定。采用先分类后检测的建筑物检测方法,对采集的电力通道视频进行预处理,标注包含建筑物,电力塔,车辆,树木的4类分类数据集,并进行数据扩充,根据输入样本尺寸,对原有Alexnet网络结构优化得到Imp-Alexnet网络,提高网络分类性能,实现建筑物区域提取和建筑物分类目标,得到建筑物区域位置信息。（2）违章建筑对象大小不同。采用先检测后分类的建筑物检测方法,将包含违章建筑的样本利用GAN进行样本扩充构建电力通道建筑检测数据集,通过调整网络参数和引入Focal Loss损失函数,优化Fas...
【文章来源】：沈阳理工大学辽宁省
【文章页数】：96 页
【学位级别】：硕士
【部分图文】：
建筑物与电Fig.2.3Theintersectionofbuildin
沈阳理工大学硕士学位论文-10-图2.1原有建筑基础上新增建筑Fig.2.1Newbuildingsbasedontheoriginalbuilding图2.2电力通道内新增建筑小于规定的电力安全距离Fig.2.2Newbuildingsinthepowerchannelarelessthanthespecifiedpowersafetydistance图2.3建筑物与电力安全距离相交Fig.2.3Theintersectionofbuildingsandelectricalsafetydistance而电力通道内违章建筑屡禁不止主要有如下原因有：（1）农村电力线路违章建筑存在的主要原因村民法律意识淡保大多数村民法律意识比较淡薄，不了解建房政策，对《电力法》和《电力设施保护条例》更是一无所知，大部分村民对电力线路违章建筑的危害性认识肤浅。（2）现实无法满足需要。由于城市住房价格因素，一些农民的住房宅基地没有落实，一旦到了儿女谈婚论嫁时，解决住房问题就成为难题，于是在没有得到正规审批建房的情况下，存在侥幸心理建设违章建筑。（3）少数人受经济利益的驱动。低投入、高回报的投机思想导致一些人跟风
原有建筑基础上新增建筑Fig.2.1Newbuildingsbasedontheoriginalbuilding
【参考文献】：
期刊论文
[1]基于Gazebo仿真环境的ORB特征提取与比对的研究[J]. 郭鸣宇,邱好. 电子制作. 2019(15)
[2]浅议架空高压线路防护的规划要求[J]. 毕波. 江苏城市规划. 2019(07)
[3]粒子滤波与ORB特征检测结合的移动机器人定位算法[J]. 黄鹤,肖宇峰,刘冉,张华. 传感器与微系统. 2019(07)
[4]基于改进深度卷积网络的铁路入侵行人分类算法[J]. 郭保青,王宁. 光学精密工程. 2018(12)
[5]基于改进的AlexNet网络模型的遥感图像分类方法研究[J]. 周天顺,党鹏飞,谢辉. 北京测绘. 2018(11)
[6]基于深度学习的高效电力部件识别[J]. 欧家祥,史文彬,张俊玮,丁超. 电力大数据. 2018(09)
[7]GAN在AI领域的应用研究[J]. 杜立平,宋燕红,李晓东,金鑫. 北京电子科技学院学报. 2018(03)
[8]电力设施保护区内违章建筑及违章施工情况分析及整治对策[J]. 杜永祥,俞学文,唱环凯. 科技风. 2018(28)
[9]结合Faster R-CNN模型的遥感影像建筑物检测[J]. 李东子,范大昭,苏亚龙. 测绘科学技术学报. 2018(04)
[10]基于Faster-RCNN的智能家居行人检测系统设计与实现[J]. 朱虹,翟超,吕志,程风. 工业控制计算机. 2018(04)
硕士论文
[1]基于深度神经网络的人脸识别方法研究[D]. 赵远东.沈阳工业大学 2019
[2]基于高分辨率SAR图像的建筑区域检测[D]. 吴云飞.中国科学技术大学 2019
[3]基于生成对抗网络的手写字体生成算法的研究[D]. 江春雨.兰州大学 2019
[4]基于Faster RCNN的目标检测系统[D]. 陈怡佳.哈尔滨理工大学 2019
[5]基于改进的Faster R-CNN物流车辆特征识别研究[D]. 许艇.浙江工业大学 2019
[6]融合先验知识的深度学习目标识别与定位研究[D]. 聂文昌.哈尔滨工程大学 2019
[7]基于多特征深度学习的建筑物识别方法[D]. 付昊天.北方工业大学 2018
[8]基于图像处理和机器学习的桥梁检测新技术研究[D]. 高俊祥.东南大学 2018
[9]基于CUDA的回环检测实现[D]. 张云帆.大连理工大学 2018
[10]基于深度学习的快销品图像识别系统设计与开发[D]. 戴同武.湖南大学 2018
本文编号：2917968
【文章来源】：沈阳理工大学辽宁省
【文章页数】：96 页
【学位级别】：硕士
【部分图文】：
建筑物与电Fig.2.3Theintersectionofbuildin
沈阳理工大学硕士学位论文-10-图2.1原有建筑基础上新增建筑Fig.2.1Newbuildingsbasedontheoriginalbuilding图2.2电力通道内新增建筑小于规定的电力安全距离Fig.2.2Newbuildingsinthepowerchannelarelessthanthespecifiedpowersafetydistance图2.3建筑物与电力安全距离相交Fig.2.3Theintersectionofbuildingsandelectricalsafetydistance而电力通道内违章建筑屡禁不止主要有如下原因有：（1）农村电力线路违章建筑存在的主要原因村民法律意识淡保大多数村民法律意识比较淡薄，不了解建房政策，对《电力法》和《电力设施保护条例》更是一无所知，大部分村民对电力线路违章建筑的危害性认识肤浅。（2）现实无法满足需要。由于城市住房价格因素，一些农民的住房宅基地没有落实，一旦到了儿女谈婚论嫁时，解决住房问题就成为难题，于是在没有得到正规审批建房的情况下，存在侥幸心理建设违章建筑。（3）少数人受经济利益的驱动。低投入、高回报的投机思想导致一些人跟风
原有建筑基础上新增建筑Fig.2.1Newbuildingsbasedontheoriginalbuilding
【参考文献】：
期刊论文
[1]基于Gazebo仿真环境的ORB特征提取与比对的研究[J]. 郭鸣宇,邱好. 电子制作. 2019(15)
[2]浅议架空高压线路防护的规划要求[J]. 毕波. 江苏城市规划. 2019(07)
[3]粒子滤波与ORB特征检测结合的移动机器人定位算法[J]. 黄鹤,肖宇峰,刘冉,张华. 传感器与微系统. 2019(07)
[4]基于改进深度卷积网络的铁路入侵行人分类算法[J]. 郭保青,王宁. 光学精密工程. 2018(12)
[5]基于改进的AlexNet网络模型的遥感图像分类方法研究[J]. 周天顺,党鹏飞,谢辉. 北京测绘. 2018(11)
[6]基于深度学习的高效电力部件识别[J]. 欧家祥,史文彬,张俊玮,丁超. 电力大数据. 2018(09)
[7]GAN在AI领域的应用研究[J]. 杜立平,宋燕红,李晓东,金鑫. 北京电子科技学院学报. 2018(03)
[8]电力设施保护区内违章建筑及违章施工情况分析及整治对策[J]. 杜永祥,俞学文,唱环凯. 科技风. 2018(28)
[9]结合Faster R-CNN模型的遥感影像建筑物检测[J]. 李东子,范大昭,苏亚龙. 测绘科学技术学报. 2018(04)
[10]基于Faster-RCNN的智能家居行人检测系统设计与实现[J]. 朱虹,翟超,吕志,程风. 工业控制计算机. 2018(04)
硕士论文
[1]基于深度神经网络的人脸识别方法研究[D]. 赵远东.沈阳工业大学 2019
[2]基于高分辨率SAR图像的建筑区域检测[D]. 吴云飞.中国科学技术大学 2019
[3]基于生成对抗网络的手写字体生成算法的研究[D]. 江春雨.兰州大学 2019
[4]基于Faster RCNN的目标检测系统[D]. 陈怡佳.哈尔滨理工大学 2019
[5]基于改进的Faster R-CNN物流车辆特征识别研究[D]. 许艇.浙江工业大学 2019
[6]融合先验知识的深度学习目标识别与定位研究[D]. 聂文昌.哈尔滨工程大学 2019
[7]基于多特征深度学习的建筑物识别方法[D]. 付昊天.北方工业大学 2018
[8]基于图像处理和机器学习的桥梁检测新技术研究[D]. 高俊祥.东南大学 2018
[9]基于CUDA的回环检测实现[D]. 张云帆.大连理工大学 2018
[10]基于深度学习的快销品图像识别系统设计与开发[D]. 戴同武.湖南大学 2018
本文编号：2917968
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2917968.html
