在輸電線路中,作為主要部件之一的絕緣子對(duì)電力系統(tǒng)的穩(wěn)定和安全生產(chǎn)具有十分重要的影響。因此,準(zhǔn)確定位絕緣子并對(duì)其進(jìn)行檢測(cè)識(shí)別對(duì)維護(hù)電力系統(tǒng)安全具有重要意義。神經(jīng)網(wǎng)絡(luò)通過模擬人類大腦的認(rèn)知學(xué)習(xí)過程,對(duì)圖像等目標(biāo)數(shù)據(jù)進(jìn)行相關(guān)的抽象表達(dá)。本文分別針對(duì)有監(jiān)督和無監(jiān)督深度學(xué)習(xí)算法的檢測(cè)準(zhǔn)確性進(jìn)行研究對(duì)比,并應(yīng)用于航拍圖像中的絕緣子目標(biāo),為輸電線路中絕緣子的故障檢測(cè)做準(zhǔn)備。基于卷積自編碼器,本文提出了一種新的訓(xùn)練算法,利用小波包分析的方法對(duì)誤差圖像進(jìn)行處理,然后再通過BP算法對(duì)相關(guān)參數(shù)進(jìn)行調(diào)整,以減少的特征信息中冗余、噪聲對(duì)結(jié)果的干擾,降低核函數(shù)之間的相關(guān)性,從而改善網(wǎng)絡(luò)的重建效果。并從向量空間理論的角度分析了核函數(shù)間的相關(guān)性以及該算法的可行性。實(shí)驗(yàn)結(jié)果表明,小波包分解算法有效的提高了網(wǎng)絡(luò)性能,但是該種方法需要固定輸入圖像的尺寸,且邊緣信息易丟失,清晰度不高。有監(jiān)督學(xué)習(xí)方面則采用人工智能領(lǐng)域最新的YOLOv3深度網(wǎng)絡(luò)模型,針對(duì)其原理和目標(biāo)檢測(cè)的準(zhǔn)確性進(jìn)行研究。提出了一種分解聚合算法,主要針對(duì)在目標(biāo)檢測(cè)定位過程中出現(xiàn)的目標(biāo)錯(cuò)檢、漏檢等問題,將實(shí)際物體分解成多個(gè)連續(xù)且存在交集的子目標(biāo),并對(duì)子目標(biāo)進(jìn)行檢測(cè)... 

【文章來源】：華北電力大學(xué)河北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：46 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

AE結(jié)構(gòu)圖

（a）原算法 （b）改進(jìn)后圖 2-2 誤差曲線（MNIST）表 2-2 算法改進(jìn)前后結(jié)果對(duì)比MNIST 核函數(shù)個(gè)數(shù) 核函數(shù)尺寸 收斂時(shí)訓(xùn)練次數(shù) 殘差（均值）

（a）原算法 （b）改進(jìn)后圖 2-3 誤差曲線（FERET）表 2-3 算法改進(jìn)前后結(jié)果對(duì)比FERET 核函數(shù)個(gè)數(shù) 核函數(shù)尺寸 收斂時(shí)訓(xùn)練次數(shù) 殘差（均值）


本文編號(hào)：3042064