為了保證供電的連續(xù)性、安全性和可靠性,對高壓輸電線路進行缺陷故障定位至關重要�，F(xiàn)有的缺陷檢測主要還是依賴人工定期檢查,但是人工排查缺陷存在工作效率低、檢測準確率低、資源消耗嚴重等問題。因此,本文將圖像處理、深度學習方面的知識應用于高壓輸電線路缺陷檢測中,提出了高壓輸電線路上鳥巢、防震錘的自動檢測方案。本文主要工作如下:（1）針對高壓輸電線路上鳥巢自動檢測問題,提出基于級聯(lián)分類器和多特征組合的鳥巢檢測算法。通過分析鳥巢和鐵塔的不同特征,本文提出了四種新特征:總體白色面積占比特征（Proportion of Total White Area,PWA）、每圈白色像素占比特征（Ratio of White Pixels,RWP）、投影特征（Projection Feature,PF）以及改進的毛刺方向特征（Improved Burr Feature,IBF）,這些特征分別用于描述鳥巢的主干區(qū)域以及邊緣部分。此外,結合這四種特征,將級聯(lián)分類器用于鳥巢疑似區(qū)域的進一步分類。該算法主要包括三個步驟:首先,針對待檢測圖像采用模板卷積操作,從而獲得鳥巢疑似區(qū)域樣本集;其次,采用低維度和高分辨率的PWA和... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 高壓輸電線路巡檢研究現(xiàn)狀
        1.2.2 高壓輸電線路缺陷檢測研究現(xiàn)狀
    1.3 本文主要工作
    1.4 本文結構安排
第二章 相關技術概述
    2.1 目標檢測基本原理及常用方法
    2.2 高壓輸電線路缺陷檢測經典算法
    2.3 本章小結
第三章 高壓輸電線路鳥巢檢測算法
    3.1 引言
    3.2 算法基本思想
        3.2.1 鳥巢和鐵塔的特性
        3.2.2 本章算法框架
    3.3 基于組合特征和級聯(lián)分類器的高壓輸電線路鳥巢檢測算法
        3.3.1 鳥巢疑似區(qū)域檢測
        3.3.2 組合特征提取
        3.3.3 級聯(lián)分類器設計
    3.4 實驗結果及分析
        3.4.1 不同算法的比較
        3.4.2 性能比較實驗
    3.5 本章小結
第四章 高壓輸電線路防震錘檢測算法
    4.1 引言
    4.2 基于組合特征和級聯(lián)分類器的高壓輸電線路防震錘檢測算法
        4.2.1 算法基本思想
        4.2.2 防震錘疑似區(qū)域檢測
        4.2.3 組合特征提取
        4.2.4 級聯(lián)分類器設計
        4.2.5 實驗結果及分析
    4.3 基于深度學習的高壓輸電線路防震錘檢測算法
        4.3.1 預處理
        4.3.2 防震錘檢測模型的設計
        4.3.3 實驗結果及分析
    4.4 本章小結
第五章 總結與展望
    5.1 工作總結
    5.2 工作展望
致謝
參考文獻
附錄
詳細摘要


【參考文獻】：
期刊論文
[1]基于視覺的絕緣子定位與自爆缺陷檢測[J]. 商俊平,李儲欣,陳亮.  電子測量與儀器學報. 2017(06)
[2]輸電線路機巡與人巡效果對比及協(xié)同巡檢建議[J]. 徐云鵬,毛強,李庭堅.  南方電網技術. 2016(02)
[3]一種無人機圖像的鐵塔上鳥巢檢測方法[J]. 徐晶,韓軍,童志剛,王亞先.  計算機工程與應用. 2017(06)
[4]基于關鍵區(qū)域HOG特征的鐵路接觸網鳥巢檢測[J]. 段旺旺,唐鵬,金煒東,韋璞.  中國鐵路. 2015(08)
[5]基于類Haar特征與級聯(lián)AdaBoost算法的防震錘識別[J]. 金立軍,閆書佳,劉源.  系統(tǒng)仿真學報. 2012(09)
[6]基于結構約束的架空輸電線路巡線機器人障礙識別[J]. 張運楚,梁自澤,傅思遙,譚民,吳功平.  機器人. 2007(01)

碩士論文
[1]輸電線路圖像上防震錘檢測算法研究[D]. 王森.北京交通大學 2017
[2]輸電線路障礙物檢測識別研究[D]. 劉澳.湖南大學 2016



本文編號：3203501