高压输电线路巡检图像缺陷检测算法研究

发布时间：2021-05-24 03:54

　　为了保证供电的连续性、安全性和可靠性,对高压输电线路进行缺陷故障定位至关重要。现有的缺陷检测主要还是依赖人工定期检查,但是人工排查缺陷存在工作效率低、检测准确率低、资源消耗严重等问题。因此,本文将图像处理、深度学习方面的知识应用于高压输电线路缺陷检测中,提出了高压输电线路上鸟巢、防震锤的自动检测方案。本文主要工作如下:（1）针对高压输电线路上鸟巢自动检测问题,提出基于级联分类器和多特征组合的鸟巢检测算法。通过分析鸟巢和铁塔的不同特征,本文提出了四种新特征:总体白色面积占比特征（Proportion of Total White Area,PWA）、每圈白色像素占比特征（Ratio of White Pixels,RWP）、投影特征（Projection Feature,PF）以及改进的毛刺方向特征（Improved Burr Feature,IBF）,这些特征分别用于描述鸟巢的主干区域以及边缘部分。此外,结合这四种特征,将级联分类器用于鸟巢疑似区域的进一步分类。该算法主要包括三个步骤:首先,针对待检测图像采用模板卷积操作,从而获得鸟巢疑似区域样本集;其次,采用低维度和高分辨率的PWA和... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 高压输电线路巡检研究现状
        1.2.2 高压输电线路缺陷检测研究现状
    1.3 本文主要工作
    1.4 本文结构安排
第二章 相关技术概述
    2.1 目标检测基本原理及常用方法
    2.2 高压输电线路缺陷检测经典算法
    2.3 本章小结
第三章 高压输电线路鸟巢检测算法
    3.1 引言
    3.2 算法基本思想
        3.2.1 鸟巢和铁塔的特性
        3.2.2 本章算法框架
    3.3 基于组合特征和级联分类器的高压输电线路鸟巢检测算法
        3.3.1 鸟巢疑似区域检测
        3.3.2 组合特征提取
        3.3.3 级联分类器设计
    3.4 实验结果及分析
        3.4.1 不同算法的比较
        3.4.2 性能比较实验
    3.5 本章小结
第四章 高压输电线路防震锤检测算法
    4.1 引言
    4.2 基于组合特征和级联分类器的高压输电线路防震锤检测算法
        4.2.1 算法基本思想
        4.2.2 防震锤疑似区域检测
        4.2.3 组合特征提取
        4.2.4 级联分类器设计
        4.2.5 实验结果及分析
    4.3 基于深度学习的高压输电线路防震锤检测算法
        4.3.1 预处理
        4.3.2 防震锤检测模型的设计
        4.3.3 实验结果及分析
    4.4 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 工作展望
致谢
参考文献
附录
详细摘要


【参考文献】：
期刊论文
[1]基于视觉的绝缘子定位与自爆缺陷检测[J]. 商俊平,李储欣,陈亮.  电子测量与仪器学报. 2017(06)
[2]输电线路机巡与人巡效果对比及协同巡检建议[J]. 徐云鹏,毛强,李庭坚.  南方电网技术. 2016(02)
[3]一种无人机图像的铁塔上鸟巢检测方法[J]. 徐晶,韩军,童志刚,王亚先.  计算机工程与应用. 2017(06)
[4]基于关键区域HOG特征的铁路接触网鸟巢检测[J]. 段旺旺,唐鹏,金炜东,韦璞.  中国铁路. 2015(08)
[5]基于类Haar特征与级联AdaBoost算法的防震锤识别[J]. 金立军,闫书佳,刘源.  系统仿真学报. 2012(09)
[6]基于结构约束的架空输电线路巡线机器人障碍识别[J]. 张运楚,梁自泽,傅思遥,谭民,吴功平.  机器人. 2007(01)

硕士论文
[1]输电线路图像上防震锤检测算法研究[D]. 王森.北京交通大学 2017
[2]输电线路障碍物检测识别研究[D]. 刘澳.湖南大学 2016



本文编号：3203501