基于航拍图像的输电线路部件故障检测研究

发布时间：2022-09-28 13:29

　　近年来,我国电网投资规模不断扩大,导致电力网络结构更为错综复杂,而输电线路的畅通和各类部件的正常工作密不可分。目前我国输电线路部件故障检测主要是对航拍采集到的特定部件图像设计相应的特征提取器,进而分类判断。鉴于航拍采集到的部件图像姿态多样化以及背景复杂多变化,使用特有的特征提取器局限性太大且很难保证对复杂背景图像有较好的鲁棒性;同时我国低空领域管限严格,航拍巡检人员无法自由巡检练习。针对上述问题,所以本文提出了一种基于航拍图像的输电线路部件故障检测方法。本文重点搭建输电线路故障识别及检测网络模型对故障部件进行智能检测,同时对于我国低空领域的管制,本文提出基于VR的输电线路巡检培训,可以有效地缓解巡检人员无法巡检练习的局限。首先以航拍采集到的输电线路部件图像为主,三维建模并在不同背景下渲染所得图像为辅建立wire₁8数据集;其次,以区域建议网络算法为基础,搭建输电线路部件识别及故障检测网络模型,并在自建数据集上训练调参,得到一个泛化性较强的故障识别网络;然后,将训练好的模型加载到Qt中,实现对航拍图像进行自动检测并分类保存,生成相应的故障报表,同时对检测出的故障部件... 

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 国内外输电线路巡检方式研究现状
        1.2.2 国内外输电线路故障检测研究现状
    1.3 研究难点和内容
        1.3.1 研究难点
        1.3.2 研究内容
    1.4 论文结构框架
第二章 目标检测算法相关理论
    2.1 神经网络
        2.1.1 卷积神经网络
        2.1.2 Softmax分类器
    2.2 目标检测算法
        2.2.1 R-CNN目标检测算法
        2.2.2 Fast-RCNN目标检测算法
        2.2.3 Faster-RCNN目标检测算法
        2.2.4 对比与分析
    2.3 caffe框架概述
    2.4 本章小结
第三章 基于航拍图像输电线路部件故障检测
    3.1 航拍图像输电线路部件故障检测系统结构
    3.2 基于深度学习的部件故障检测网络结构
        3.2.1 输电线路部件识别及故障检测网络框架
        3.2.2 特征提取
        3.2.3 候选区域生成
        3.2.4 分类位置精修网络
        3.2.5 caffe框架搭建及网络训练
    3.3 搭建基于VR的输电线路巡视培训平台
        3.3.1 开发环境选择及整体框架
        3.3.2 输电线路部件三维建模
        3.3.3 三维真实地形的构建
        3.3.4 着色器设计
        3.3.5 虚拟现实头显一带多设计
    3.4 本章小结
第四章 航拍图像输电线路部件故障检测结果与分析
    4.1 实验环境与数据
        4.1.1 实验环境
        4.1.2 实验数据集
    4.2 基于深度学习的部件故障检测结果
        4.2.1 实验结果及分析
        4.2.2 错误检测分析
        4.2.3鲁棒性实验
    4.3 基于VR的输电线路巡视培训结果
        4.3.1 人机交互
        4.3.2 全景漫游
    4.4 本章小结
第五章 输电线路缺陷检测与管理系统软件开发
    5.1 总体框架设计
    5.2 模块化功能实现
    5.3 本章小结
总结和展望
参考文献
攻读学位期间取得的研究成果
致谢


【参考文献】：
期刊论文
[1]“十三五”中国电力需求水平预测[J]. 杜忠明,王雪松.  中国电力. 2017(09)
[2]无人机系统在架空输电线路巡检业务中的应用[J]. 陈利明,刘伟东,李源源,杨鹤猛,武艺,杨丰恺,孔令宇,王淼.  测绘通报. 2017(S1)
[3]具有力反馈的心血管介入虚拟手术模拟器的研发[J]. 谢叻,神祥龙,吴朝丽,邓子龙,顾力栩,蔡萍,郝爱民.  江西师范大学学报(自然科学版). 2017(04)
[4]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[5]基于卷积神经网络的目标检测研究综述[J]. 李旭冬,叶茂,李涛.  计算机应用研究. 2017(10)
[6]基于显著性和深度卷积神经网络的输送带表面故障定位[J]. 赵燕飞,杨彦利,王丽娟.  工矿自动化. 2016(12)
[7]基于计算机视觉的虚拟现实技术在体育教学中的应用研究[J]. 郭汉,宋耀伟,张森木.  西北工业大学学报(社会科学版). 2016(02)
[8]自然场景中基于局部轮廓特征的类圆对象识别方法[J]. 班孝坤,韩军,陆冬明,王万国,刘俍.  计算机应用. 2016(05)
[9]基于Hough检测和C-V模型的航拍绝缘子自动协同分割方法[J]. 赵振兵,徐磊,戚银城,蔡银萍.  仪器仪表学报. 2016(02)
[10]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)

硕士论文
[1]基于无人机航拍图像的输电线识别方法研究[D]. 刘雄.华东师范大学 2018
[2]基于深度学习的多角度车辆信息识别研究[D]. 宋思言.长安大学 2018
[3]基于机器学习的航拍图像绝缘子识别方法研究[D]. 伍洋.华北电力大学 2016
[4]基于无人机的输电线故障检测系统的设计与实现[D]. 颜敏.浙江大学 2016
[5]输电线路无人机巡检路径规划研究及应用[D]. 熊典.武汉科技大学 2014
[6]基于PCNN的航拍绝缘子图像的分割及定位研究[D]. 郑涛.大连海事大学 2011



本文编号：3681750