基于航拍图像的电气线路缺陷检测

发布时间：2023-11-09 19:52

　　电气线路缺陷会引发线路短路和大面积停电,影响电网的安全运行。目前,常用的保障电气线路的正常运行的方式是直升机或无人机巡检,通过其搭载的相机获得巡检影像,并由工作人员识别图像中的缺陷。随着巡检线路的增多,电网工作人员的工作量也会相应增大,容易出现漏判误判的问题。本文分别在输电线路和配电线路两种实际生产运行环境中针对故障进行了识别。配电线路的陶瓷绝缘子容易在潮湿环境和雷雨天气中发生污闪。针对配电线路故障问题,本文提出了一种基于统计特征的配电线路污闪绝缘子识别方法。基于绝缘子与背景颜色的差异,结合颜色特征进行绝缘子的提取;最后基于绝缘子提取结果求特征值并组成特征向量并训练分类器。许多输电线路建在荒郊野岭中,绝缘子易受温差变化或外力破坏而自爆,鸟类在铁塔筑巢会导致线路短路。针对上述输电线路故障问题,本文通过搭建卷积神经网络实现对鸟巢和故障绝缘子的分类和检测,解决传统算法泛化能力不强、正确率不高的问题。首先通过研究卷积神经网络,搭建适宜的网络模型。然后训练分类器,并结合相关的训练方法在训练过程中进行优化。最后将分类器与传统特征提取方法对比,实验结果表明对于鸟巢和故障绝缘子,卷积神经网络的平均正确...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
        1.2.1 传统的绝缘子故障检测与识别的研究现状
        1.2.2 传统的鸟巢检测与识别的研究现状
        1.2.3 模式识别研究现状
    1.3 论文主要工作
    1.4 论文结构安排
第二章 航拍图像处理与识别相关技术
    2.1 颜色空间
        2.1.1 RGB颜色空间
        2.1.2 HSV颜色空间
        2.1.3 YCbCr空间
    2.2 颜色矩
    2.3 HOG特征
        2.3.1 HOG特征基本原理
        2.3.2 HOG算法流程
        2.3.3 HOG特征提取
    2.4 LBP特征
        2.4.1 LBP特征基本原理
        2.4.2 LBP算法流程
        2.4.3 LBP特征提取
    2.5 Gabor特征
        2.5.1 Gabor特征基本原理
        2.5.2 Gabor特征算法流程
        2.5.3 Gabor特征提取
    2.6 支持向量机
        2.6.1 支持向量机基本原理
        2.6.2 核函数
    2.7 本章小结
第三章 深度学习算法简介
    3.1 卷积神经网络结构
        3.1.1 卷积层
        3.1.2 池化层
        3.1.3 激活函数
        3.1.4 损失函数
    3.2 卷积神经网络训练
        3.2.1 卷积层
        3.2.2 正则化方法
        3.2.3 预训练和微调
    3.3 常用的卷积神经网络
    3.4 Faster R-CNN算法
    3.5 本章小结
第四章 基于分类和检测的航拍图像故障识别
    4.1 数据集
        4.1.1 分类器数据集
        4.1.2 检测器数据集
    4.2 配电线路绝缘子分类
        4.2.1 配电线路绝缘子提取
        4.2.2 阈值分割参数确定
        4.2.3 SVM分类器训练
    4.3 基于传统分类方法的输电线路图像故障识别
    4.4 基于CNN分类器的输电线路图像故障识别
        4.4.1 实验环境
        4.4.2 权值初始化的设计
        4.4.3 模型参数设置及调参
        4.4.4 训练细节
    4.5 基于检测器的输电线路图像故障识别
    4.6 级联网络
    4.7 实验结果与分析
        4.7.1 评价指标
        4.7.2 分类器实验结果与分析
        4.7.3 检测器实验结果与分析
    4.8 本章小结
第五章 总结与展望
    5.1 全文工作总结
    5.2 工作展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3861912