基于Mask R-CNN的绝缘子故障检测算法研究
发布时间：2021-03-30 03:15
绝缘子在连接导体的同时,起着电气绝缘作用,它是输电线路的必备器件,大量应用于电力系统中。绝缘子的运行状态影响着电力系统的可靠性和安全性,甚至影响整个电力系统的运行寿命。定期巡检,及时发现故障绝缘子,对于维护电网的正常运行具有重要意义。随着自动化技术的发展,无人机已被用于绝缘子状态的巡查,但应用场景的复杂多变性给大数据环境下绝缘子故障图像的自动识别带来了很大挑战。基于深度学习,本文对绝缘子故障图像的自动检测问题进行研究。首先对比分析了卷积神经网络（CNN）的实现模型,结合绝缘子航拍图像的特点,选取了基于掩码区域卷积神经网络（Mask R-CNN）来识别绝缘子故障图像。研究了Mask R-CNN的特征提取网络,探讨了Mask R-CNN网络训练参数对学习绝缘子样本的影响,设计了适合于学习绝缘子故障图像的网络结构与参数配置。提出了基于Mask R-CNN的绝缘子故障图像检测算法,建立了适合绝缘子故障图像检测的Mask R-CNN模型,使用Labelme搭建了绝缘子故障图像样本库,实现了绝缘子故障图像的学习与检测。在Python环境下,利用Tensor Flow和Keras开发工具对所提出的算...
【文章来源】：天津工业大学天津市
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
复杂地域环境下的电力线路
第一章绪论3图1-2绝缘子塔同时，随着计算机处理器与硬件技术的快速发展，计算机的计算速度与性能有了很大提升。1999年，NVIDIA公司正式提出了图形处理器单元(GraphicsProcessingUnit，GPU)的概念。于是从那时起，NV显卡的芯就用GPU这个新名字来命名[15]。GPU是大数据和深度学习研究的基础，一个GPU芯片可以集成上千个核，其强大的并行计算能力使它能够高效地处理大量数据，并对数据处理实现“增值”，这也使得大规模神经网络的训练能够进行[16]。如今，图像处理与识别领域已经大范围使用卷积神经网络技术，如手写体识别[17]、字符识别[18]、人脸识别[19]、交通信号识别[20]、图像分割[21]、目标追踪[22]等。使用卷积神经网络从图像中进行绝缘子目标识别，快速检测出状态劣化的绝缘子，降低输电线路安全运行的威胁，是众多绝缘子故障诊断技术中最为有效的方法之一。目前，使用深度学习进行绝缘子状态检测已引起了相关人员的注意，有了许多相关的研究成果，例如课题组在前期研究中，提出了一种基于深卷积神经网络(Deepconvolutionneuralnetworks,DCNN)的绝缘子自爆检测方法[23]。该方法将原始图像分割成若干个子图像，通过分别检测每个子图像来识别绝缘子的自爆故障。然而，这种方法只能得到一个总的识别率，不能准确定位绝缘子的位置。另外，在后面的研究中发现，这种方法并不能正确地识别每个子图像。因此，仍然需要寻找更好的绝缘子自爆识别方法。基于此，本文将掩码区域卷积神经网络(Maskregionwithconvolutionalneuralnetwork,MaskR-CNN)用于绝缘子的故障检测，并借助GPU来实现加速。着重研究绝缘子自爆故障的识别，提出基于
第一章绪论5成像技术、自动化技术的迅速发展，使用无人机进行电网系统巡检已经成为大势所趋，进行各种故障的智能检测已经成为当下研究的主要方向[31]。(a)人工巡检方式[25](b)人工巡检方式[26](c)无人机巡检方式[29]图1-3输电线路的三种巡检方式直升机和无人机巡检系统流程图如图1-4所示[32]。由直升机或无人机搭载数字摄像设备，按既定的巡检路线飞行，对沿路输电线路进行拍摄或录像，拍摄绝缘子等元件设备图像，回基地后，首先对航拍图像进行图像预处理，然后由智能算法进行图像识别与状态检测。图1-4直升机和无人机航拍巡检系统流程[32]早在1980年，中国就开始研究利用直升机进行电网巡检，但由于经济实力的限制，长期以来并没有较大进展。直到21世纪，经济实力和技术水平飞速提升，才逐渐推广应用直升机巡检方式。2002年，华北电网第一次在输电线路巡检任务中使用直升机巡检方式；2005年，内蒙古电网企业也开始使用直升机巡检方式[33]。近年来，无人机越来越广泛地应用于输电线路巡检任务中。国家电网与南方电网分别在2009年、2011年开始无人机巡检试点。2013年，南方电网开始在整个电网系统中实施线路机巡方式，国家电网也在2015年和2016年，于十个省份全面推广这种新兴的巡检方式[34]。广东电网在《“十三五”输配电线路“机巡十人巡”协同巡检实施方案》中指出：到2020年，110KV及以上电力传输路线机巡覆盖率要达到90%，机巡占比要超过60%，巡检所需费用下降20%
本文编号：3108747
【文章来源】：天津工业大学天津市
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
复杂地域环境下的电力线路
第一章绪论3图1-2绝缘子塔同时，随着计算机处理器与硬件技术的快速发展，计算机的计算速度与性能有了很大提升。1999年，NVIDIA公司正式提出了图形处理器单元(GraphicsProcessingUnit，GPU)的概念。于是从那时起，NV显卡的芯就用GPU这个新名字来命名[15]。GPU是大数据和深度学习研究的基础，一个GPU芯片可以集成上千个核，其强大的并行计算能力使它能够高效地处理大量数据，并对数据处理实现“增值”，这也使得大规模神经网络的训练能够进行[16]。如今，图像处理与识别领域已经大范围使用卷积神经网络技术，如手写体识别[17]、字符识别[18]、人脸识别[19]、交通信号识别[20]、图像分割[21]、目标追踪[22]等。使用卷积神经网络从图像中进行绝缘子目标识别，快速检测出状态劣化的绝缘子，降低输电线路安全运行的威胁，是众多绝缘子故障诊断技术中最为有效的方法之一。目前，使用深度学习进行绝缘子状态检测已引起了相关人员的注意，有了许多相关的研究成果，例如课题组在前期研究中，提出了一种基于深卷积神经网络(Deepconvolutionneuralnetworks,DCNN)的绝缘子自爆检测方法[23]。该方法将原始图像分割成若干个子图像，通过分别检测每个子图像来识别绝缘子的自爆故障。然而，这种方法只能得到一个总的识别率，不能准确定位绝缘子的位置。另外，在后面的研究中发现，这种方法并不能正确地识别每个子图像。因此，仍然需要寻找更好的绝缘子自爆识别方法。基于此，本文将掩码区域卷积神经网络(Maskregionwithconvolutionalneuralnetwork,MaskR-CNN)用于绝缘子的故障检测，并借助GPU来实现加速。着重研究绝缘子自爆故障的识别，提出基于
第一章绪论5成像技术、自动化技术的迅速发展，使用无人机进行电网系统巡检已经成为大势所趋，进行各种故障的智能检测已经成为当下研究的主要方向[31]。(a)人工巡检方式[25](b)人工巡检方式[26](c)无人机巡检方式[29]图1-3输电线路的三种巡检方式直升机和无人机巡检系统流程图如图1-4所示[32]。由直升机或无人机搭载数字摄像设备，按既定的巡检路线飞行，对沿路输电线路进行拍摄或录像，拍摄绝缘子等元件设备图像，回基地后，首先对航拍图像进行图像预处理，然后由智能算法进行图像识别与状态检测。图1-4直升机和无人机航拍巡检系统流程[32]早在1980年，中国就开始研究利用直升机进行电网巡检，但由于经济实力的限制，长期以来并没有较大进展。直到21世纪，经济实力和技术水平飞速提升，才逐渐推广应用直升机巡检方式。2002年，华北电网第一次在输电线路巡检任务中使用直升机巡检方式；2005年，内蒙古电网企业也开始使用直升机巡检方式[33]。近年来，无人机越来越广泛地应用于输电线路巡检任务中。国家电网与南方电网分别在2009年、2011年开始无人机巡检试点。2013年，南方电网开始在整个电网系统中实施线路机巡方式，国家电网也在2015年和2016年，于十个省份全面推广这种新兴的巡检方式[34]。广东电网在《“十三五”输配电线路“机巡十人巡”协同巡检实施方案》中指出：到2020年，110KV及以上电力传输路线机巡覆盖率要达到90%，机巡占比要超过60%，巡检所需费用下降20%
本文编号：3108747
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3108747.html
最近更新
教材专著
