电力巡检图像中基于深度学习的异物检测方法研究

发布时间：2024-12-04 23:38

　　输电线异物检测作为电网智能巡检系统中的重要环节,对电力系统安全可靠运行有着重要意义。目前高压架空输电线多为裸导线,通过空气绝缘。因此,风筝、气球和大棚薄膜等悬挂异物极易引发相地或相间短路,造成区域大面积停电,进而导致停运事故。本文基于深度学习算法对电力巡检图像中的异物检测方法进行研究,主要贡献如下:1.目前国际上还没有公开用于研究的输电线路巡检图像数据集,本文分析了常见的输电线异物类型及特点,构建了巡检图像数据集。为了便于算法的训练和测试,对图像数据进行标注和划分。采用翻转、亮度调整等数据增强方法对训练数据进行扩充。针对不同算法转化图像数据格式,以加快数据读取速度。最后,对巡检图像中异物特征提取以及目前相关研究的局限性等难点进行总结。2.考虑到漏检异物对电力系统的危害性,本文定义分类算法的100%查全率模式,在此基础上对InceptionV3-retrain算法在100%查全率下假阳性率较高的问题进行改进。首先,对不同数据增强方式的有效性进行研究,验证采用水平翻转的数据增强策略使算法假阳性率下降了6.3%。其次,改进训练方式,结合迁移学习与微调训练的优点,降低网络过拟合风险,使假阳性率下...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图1.2最大池×

湖北工业大学硕士学位论文9度模型”是手段，“特征学习”是目的。模型结构的深度是深度学习的特点，特征学习的重要性得到凸显，特征变换通过逐层传递，在一个新特征空间将样本在原空间的特征进行表示，从而实现分类或预测能力。利用大数据来学习特征的深度学习模型，相比于人工规则构造特征的方法，其....

图1.2最大池化和均值池化

湖北工业大学硕士学位论文9度模型”是手段，“特征学习”是目的。模型结构的深度是深度学习的特点，特征学习的重要性得到凸显，特征变换通过逐层传递，在一个新特征空间将样本在原空间的特征进行表示，从而实现分类或预测能力。利用大数据来学习特征的深度学习模型，相比于人工规则构造特征的方法，其....

图1.3激活函数

湖北工业大学硕士学位论文10如果采用最大池化模式，则保留滑动窗口覆盖区域内的最大值，并作为本层的输出，其他数据去除。如果采用均值池化模式，则计算滑动窗口覆盖区域内的平均值。（3）激活函数激活函数的意义是为网络引入了非线性的特性。如果没有激活函数，网络的每一层传递都等同于矩阵相乘，....

图1.4两种损失函数的曲线图

湖北工业大学硕士学位论文12其中代表目标值与估计值之差。图1.4两种损失函数的曲线图（b）交叉熵损失函数交叉熵损失函数是目前卷积神经网络中最常用的分类目标损失函数。对于如逻辑回归的这类二分类模型，设定真实样本的标签为[0,1]，从而表示负类和正类，其结果是输出的概率值，预测为正类....

本文编号：4014353