基于机器学习的电网绝缘子识别技术研究

发布时间：2021-01-22 23:48

　　随着电力系统智能化的快速发展,计算机视觉技术已经被广泛应用于电网的电力设备在线监测和巡检中。绝缘子是整个电力系统及电网中的重要输电线路元件,由于其长期在野外暴露,致使诸如异物搭挂、裂纹、破损以及自爆等所导致的故障频发,对电网输电线路可靠、安全及正常工作造成了严重影响。因此,对电网绝缘子进行定位、状态监测及故障检测识别,有助于提升输电线路巡检有效性、安全性及自动化水平。本文结合当前国内外相关研究现状及技术进展,基于图像识别理论及电网绝缘子识别关键技术,采用搭载摄像机的无人机获取用于机器学习的绝缘子图像数据集,并通过对采集到的电网绝缘子图像进行预处理,从中提取机器学习的电网绝缘子特征。在电网绝缘子识别过程中,本文分别将YOLOv3和绝缘子3D模型及骨架提取与AdaBoost有效结合,提出两套识别方法,即基于YOLOv3的AdaBoost算法和基于3D模型及骨架提取的AdaBoost算法。对电网绝缘子整个识别过程进行分析,由此得到不同识别原理、方法及同一识别目标下,基于机器学习的电网绝缘子的两种识别实验结果。其中,基于YOLOv3的AdaBoost算法是通过目标候选区域选取、目标候选区域有效... 

【文章来源】：中南民族大学湖北省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

无人机巡检作业示意图

用于机器学习的电网绝缘子航拍图像正样本

用于机器学习的航拍图像负样本（不含电网绝缘子）


本文编号：2994133