發(fā)布時間：2023-02-21 19:38

　　輸電通道環(huán)境狀況日漸復雜,外力破壞事件發(fā)生的概率不斷提高,嚴重威脅著電網(wǎng)的供電可靠性。目前巡線工作主要通過人工巡線、無人機和實時監(jiān)控等方式進行。其中人工巡線效率低下且費時費力,無人機工作距離有限且巡航能力不足,難以大范圍推廣到電網(wǎng)系統(tǒng)之中。與人工巡線和無人機相比,通過監(jiān)控設(shè)備對輸電線路通道環(huán)境進行監(jiān)控,能夠長時間大范圍監(jiān)控輸電通道環(huán)境,一定程度上緩解了巡視工作難度。實時監(jiān)控圖像需要人員進行辨識危物,但人的主觀判斷卻無法保證效率和準確率。而且隨著監(jiān)控覆蓋率的提升,海量圖像的處理反而進一步加大了運檢工作量。顯然監(jiān)控系統(tǒng)的使用未能實現(xiàn)真正的輸電通道智能化運檢,無法從根本上解決外力破壞事件處理的困難。與此同時,深度學習在機器視覺、語音識別、自然語言處理、機器翻譯、數(shù)據(jù)挖掘、自動駕駛等方面取得了矚目發(fā)展,為輸電線路通道危險物體檢測提供了新的思路和方法。本文主要研究替代人工辨識的圖像檢測方法,幫助運檢人員及時發(fā)現(xiàn)輸電通道范圍內(nèi)危險異物入侵,提升輸電通道運檢工作的效率,保證電網(wǎng)運行環(huán)境安全穩(wěn)定。在深度學習卷積神經(jīng)網(wǎng)絡(luò)和目標檢測技術(shù)的基礎(chǔ)上,本文提出了基于深度學習的輸電通道危物辨識技術(shù),通過對圖像預處...

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 深度學習
        1.2.2 輸電通道危物辨識
    1.3 本文章節(jié)安排
第二章 深度學習目標檢測原理
    2.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.1 神經(jīng)元
        2.1.2 人工神經(jīng)網(wǎng)絡(luò)
        2.1.3 反向傳播
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積層
        2.2.2 池化層
        2.2.3 全連接層
    2.3 目標檢測模型選取
    2.4 本章小結(jié)
第三章 樣本集構(gòu)建
    3.1 輸電通道場景特征
    3.2 數(shù)據(jù)增強
        3.2.1 數(shù)據(jù)增強原理
        3.2.2 數(shù)據(jù)增強方法
    3.3 樣本集構(gòu)建
        3.3.1 數(shù)據(jù)標注
        3.3.2 訓練樣本增強
    3.4 實驗結(jié)果與分析
    3.5 本章小結(jié)
第四章 YOLOv3邊界框尺寸選取
    4.1 YOLOv3簡介
        4.1.1 YOLOv3檢測模型結(jié)構(gòu)
        4.1.2 YOLOv3目標檢測流程
    4.2 邊界框尺寸選取
        4.2.1 邊界框定義
        4.2.2 標注框聚類
    4.3 實驗結(jié)果與分析
        4.3.1 標注框聚類實驗
        4.3.2 圖像檢測實驗
    4.4 本章小結(jié)
第五章 YOLOv3非極大值抑制改進
    5.1 非極大值抑制
        5.1.1 非極大值抑制原理
        5.1.2 非極大值抑制缺陷
    5.2 非極大值抑制改進
        5.2.1 GIoU
        5.2.2 Soft-NMS
        5.2.3 NMS改進方案
    5.3 實驗結(jié)果與分析
        5.3.1 改進NMS算法
        5.3.2 圖像檢測實驗
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術(shù)論文目錄
學位論文評閱及答辯情況表



本文編號：3747892