基于卷积神经网络绝缘子外部损伤识别

发布时间：2023-05-13 14:01

　　绝缘子是电力网络中重要的组成部分,承担着线路支撑和将载流导体与地之间形成良好绝缘的任务;同时,绝缘子的故障发生几率较高,其污秽、裂纹、破损会影响线路的正常运行,严重时会导致跳闸停电,导致重大损失。所以,对绝缘子进行及时、准确的状态检测是很有必要的。现阶段的检测方法主要是目测法,效率较低,易受主观影响。随着输电线路规模的发展,目测法已经不能满足电力线路巡检需要。本文将图像处理技术应用到绝缘子状态检测中,提出一种基于卷积神经网络的绝缘子检测方法,通过对绝缘子图像的分析能够快速识别绝缘子的状态。具体研究内容如下:(1)针对源图像质量不佳的情况对图像进行预处理算法研究,首先采用中值滤波对图像进行降噪处理,然后采用直方图均衡加强了图像对比度,在有效去除图像噪声的基础上加强了图像细节信息。(2)在预处理后对图像分割算法进行研究,对不同的方法进行仿真,并根据边缘连续性和边缘有序度两个指标对图像边缘检测效果进行评价,最终采用拉普拉斯算子对图像进行分割,得到了准确的图像边缘信息。(3)对以前绝缘子识别方法的不足进行研究,通过对卷积神经网络运算步骤以及原理的学习,将卷积神经网络应用于绝缘子图像分类,用MA...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 引言
    1.1 课题的研究背景及意义
    1.2 绝缘子检测的研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 目前存在的问题
    1.4 研究内容及技术路线
        1.4.1 研究内容及目标
        1.4.2 技术路线
    1.5 小结
2 图像的预处理
    2.1 图像转化
    2.2 图像增强
        2.2.1 直方图处理
        2.2.2 图像去噪
    2.3 图像锐化
        2.3.1 一阶微分算子算法
        2.3.2 拉普拉斯算子算法
        2.3.3 频域图像锐化处理
        2.3.4 实验结果及分析
    2.4 小结
3 图像分割
    3.1 形态学处理
        3.1.1 形态学腐蚀膨胀
        3.1.2 形态学开闭运算
    3.2 常用的边缘检测算法
        3.2.1 差分边缘检测
        3.2.2 Roberts算子
        3.2.3 Log算子
        3.2.4 Canny算子边缘检测
    3.3 实验结果分析
    3.4 小结
4 基于卷积神经网络的绝缘子状态检测方法
    4.1 卷积神经网络原理
    4.2 卷积神经网络的识别步骤
        4.2.1 卷积过程
        4.2.2 池化过程
        4.2.3 特征汇总
        4.2.4 优化参数
    4.3 卷积神经网络的特点
        4.3.1 卷积神经网络的优点
        4.3.2 卷积神经网络的缺点
    4.4 实现步骤
        4.4.1 特征可视化
    4.5 实例测试
        4.5.1 10kV绝缘子图像分类结果分析
        4.5.2 变电站支柱绝缘子图像分类结果分析
        4.5.3 悬式绝缘子图像分类结果分析
        4.5.4 三种神经网络分类性能比较
    4.6 小结
5 结论与展望
致谢
参考文献
作者简介



本文编号：3815962