基于卷积神经网络的航拍绝缘子图像的检测与提取应用研究

发布时间：2021-08-24 11:33

　　输电线路是我国电力输送的主要枢纽,绝缘子作为其中的重要组成部分,不仅可以为电力线提供机械支撑,还可以防止电流接地。但是由于绝缘子的结构特性以及外部环境等因素,使其十分容易发生自爆、闪络等故障,进而导致输电线路无法正常运行,所以按时巡检绝缘子的状态十分重要。本文在绝缘子检测识别过程中,首先采用了选择性搜索方法对图像产生目标建议并进行分割,然后针对绝缘子识别设计了卷积神经网络的结构,并将该方法与HOG特征结合SVM分类器以及PCA结合BP神经网络的识别方法进行了对比。其中HOG结合SVM分类器代表是传统的图像处理方法,PCA结合BP神经网络代表的是传统的全连接神经网络方法,卷积神经网络则代表的是深度学习。在绝缘子自爆缺失检测过程中,根据训练好的卷积神经网络的参数通过反卷积运算实现绝缘子信息的重构,对重构的特征显著图先二值化再进行超像素分割,然后建立出绝缘子串的数学模型,最终精准定位出绝缘子自爆缺失的位置。实验结果表明:在绝缘子检测识别的算法中,使用卷积神经网络的方法效果最好,该方法基本可以避免拍摄距离、角度等条件的影响,对复杂背景也具有很好的识别能力。因此本文最终在卷积神经网络识别绝缘子的... 

【文章来源】：安徽工业大学安徽省

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

无人机巡检作业示意图

图 2. 1 IOU 示意图 A、B 的重合度 IOU 的计算公式为：IOU ( A B ) / ( A B)框 A、B 的重叠面积占 A、B 并集面积的比例：1 1/ ( )A BIOU S S S S得出的目标窗口不一定是完整的待测物体，可能有所偏差：

的是两个 bounding box 的重叠度，如下图所示：图 2. 1 IOU 示意图、B 的重合度 IOU 的计算公式为：IOU ( A B ) / ( A B) A、B 的重叠面积占 A、B 并集面积的比例：1 1/ ( )A BIOU S S S S出的目标窗口不一定是完整的待测物体，可能有所偏差

【参考文献】：
期刊论文
[1]基于卷积神经网络的图像特征识别研究[J]. 杨念聪,任琼,张成喆,周子煜,李倩,邱兰.  信息与电脑(理论版). 2017(14)
[2]500 kV线路玻璃绝缘子集中自爆原因分析[J]. 黄松泉,周学明,胡丹辉,姚尧,刘正云.  湖北电力. 2017(04)
[3]融合局部纹理特征的颗粒图像SLIC超像素分割方法[J]. 李啸宇,张秋菊.  食品与机械. 2016(12)
[4]无人机巡检输电线路技术及应用实践微探[J]. 黄远峰.  通讯世界. 2016(17)
[5]BP神经网络算法改进及应用研究[J]. 李如平,朱炼,吴房胜,徐珍玉.  菏泽学院学报. 2016(02)
[6]选择性搜索和多深度学习模型融合的目标跟踪[J]. 钟必能,潘胜男.  华侨大学学报(自然科学版). 2016(02)
[7]试分析输电线路运行故障分析与防治策略[J]. 彭玉金,宁琦.  信息化建设. 2016(02)
[8]基于深度卷积神经网络的行人检测[J]. 芮挺,费建超,周遊,方虎生,朱经纬.  计算机工程与应用. 2016(13)
[9]无人机巡检输电线路技术的应用探析[J]. 诸葛葳.  科技经济市场. 2015(05)
[10]基于高压输电线路电流状态的检测方法研究[J]. 赵彦平,王慧刚.  中国电业(技术版). 2015(03)

博士论文
[1]基于非接触式的劣化绝缘子检测方法的研究[D]. 陈涛.重庆大学 2006

硕士论文
[1]基于深度网络特征学习的植物叶片识别算法研究与实现[D]. 刘晶晶.深圳大学 2017
[2]基于卷积神经网络的图像分类算法研究[D]. 郭田梅.济南大学 2017
[3]航拍图像的绝缘子自爆特征识别研究[D]. 熊杰.电子科技大学 2016
[4]内蒙古包头地区500kV输电线路技术改造与应用[D]. 郑昌.华北电力大学 2016
[5]卷积神经网络在图像分类中的应用研究[D]. 吴正文.电子科技大学 2015
[6]基于HOG特征的车辆检测技术研究[D]. 马蓓蓓.华南理工大学 2015
[7]主成分分析与二维主成分分析之比较研究[D]. 吴敬华.云南财经大学 2014
[8]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
[9]基于卷积神经网络的深度学习算法与应用研究[D]. 陈先昌.浙江工商大学 2014
[10]基于视觉词汇的物体检测方法研究[D]. 郭浩.天津大学 2014



本文编号：3359910