隨著電力系統(tǒng)智能化的快速發(fā)展,計(jì)算機(jī)視覺(jué)技術(shù)已經(jīng)被廣泛應(yīng)用于電網(wǎng)的電力設(shè)備在線監(jiān)測(cè)和巡檢中。絕緣子是整個(gè)電力系統(tǒng)及電網(wǎng)中的重要輸電線路元件,由于其長(zhǎng)期在野外暴露,致使諸如異物搭掛、裂紋、破損以及自爆等所導(dǎo)致的故障頻發(fā),對(duì)電網(wǎng)輸電線路可靠、安全及正常工作造成了嚴(yán)重影響。因此,對(duì)電網(wǎng)絕緣子進(jìn)行定位、狀態(tài)監(jiān)測(cè)及故障檢測(cè)識(shí)別,有助于提升輸電線路巡檢有效性、安全性及自動(dòng)化水平。本文結(jié)合當(dāng)前國(guó)內(nèi)外相關(guān)研究現(xiàn)狀及技術(shù)進(jìn)展,基于圖像識(shí)別理論及電網(wǎng)絕緣子識(shí)別關(guān)鍵技術(shù),采用搭載攝像機(jī)的無(wú)人機(jī)獲取用于機(jī)器學(xué)習(xí)的絕緣子圖像數(shù)據(jù)集,并通過(guò)對(duì)采集到的電網(wǎng)絕緣子圖像進(jìn)行預(yù)處理,從中提取機(jī)器學(xué)習(xí)的電網(wǎng)絕緣子特征。在電網(wǎng)絕緣子識(shí)別過(guò)程中,本文分別將YOLOv3和絕緣子3D模型及骨架提取與AdaBoost有效結(jié)合,提出兩套識(shí)別方法,即基于YOLOv3的AdaBoost算法和基于3D模型及骨架提取的AdaBoost算法。對(duì)電網(wǎng)絕緣子整個(gè)識(shí)別過(guò)程進(jìn)行分析,由此得到不同識(shí)別原理、方法及同一識(shí)別目標(biāo)下,基于機(jī)器學(xué)習(xí)的電網(wǎng)絕緣子的兩種識(shí)別實(shí)驗(yàn)結(jié)果。其中,基于YOLOv3的AdaBoost算法是通過(guò)目標(biāo)候選區(qū)域選取、目標(biāo)候選區(qū)域有效... 

【文章來(lái)源】：中南民族大學(xué)湖北省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

無(wú)人機(jī)巡檢作業(yè)示意圖

用于機(jī)器學(xué)習(xí)的電網(wǎng)絕緣子航拍圖像正樣本

用于機(jī)器學(xué)習(xí)的航拍圖像負(fù)樣本（不含電網(wǎng)絕緣子）


本文編號(hào)：2994133