导读:本文包含了绝缘子图像论文开题报告文献综述及选题提纲参考文献，主要关键词:绝缘子,可见光图像,电网,最大类间方差法
绝缘子图像论文文献综述
刘子英,肖建华,邓芳明[1]（2019）在《基于可见光图像识别的绝缘子污秽等级判别》一文中研究指出提出了一种基于绝缘子可见光图像的颜色特征和最小二乘支持向量机模型的方法,通过建立污秽等级与颜色特征的对应关系,实现了绝缘子污秽等级的识别。以南昌电网多个变电站的红褐色瓷质绝缘子为研究对象,利用最大类间方差法(Otsu)分割绝缘子彩色图像得到盘面区域,计算出R,G,B,H,S和I分量图像共36种特征量,根据费希尔(Fisher)判别法筛选出能显着表征绝缘子污秽等级的特征量S均值和S中值;设计最小二乘支持向量机(LS-SVM)分类器,并利用天牛须搜索(BAS)算法优化LS-SVM的关键参数,实现了绝缘子污秽等级的判别。实验结果表明:该方法在判别绝缘子污秽等级的准确率上高达96. 92%。(本文来源于《传感器与微系统》期刊2019年12期）
洪刚[2]（2019）在《基于轻量化算法无人机图像绝缘子识别定位研究》一文中研究指出绝缘子的安全、稳定运行对于输电线路来说是非常重要的,利用目前最为活跃的SSD算法在无人机采集到的绝缘子图片的不同位置进行密集抽样,通过在不同层级中选用不同尺寸、比例的anchor,能够找到与ground truth匹配最好的anchor来进行训练,然后利用CNN提取特征直接进行分类与回归,整个过程只需一步,目的就是为了得到更小、更快、更高效的模型应用于移动端设备。(本文来源于《内蒙古科技与经济》期刊2019年21期）
朱文天,胡立坤,王帅军[3]（2019）在《改进色差法的绝缘子图像分割方法》一文中研究指出绝缘子是输电线路中的一种重要金具,对绝缘子的精确定位是监测其运行状态的前提。针对已有的红蓝色差灰度化及聚类分割方法无法从输电线图像中有效分割褐色绝缘子这一问题,提出红绿色差灰度化方法,并结合Otsu、红蓝色差灰度化、K-means和投影特征实现绝缘子分割。首先,利用Otsu算法将绝缘子与大部分背景进行分割预处理,把预处理后的二值图分别以白色像素、黑色像素映射回原图;然后,对映射图像分别对应进行红蓝、红绿色差灰度化,接着采用K-means聚类算法对灰度图分割。最后,根据投影特征从两幅候选图像中识别出绝缘子图像。实验结果表明,该方法不仅能对输电线图像中的蓝色、褐色绝缘子进行有效分割,还能减少背景分割。(本文来源于《广西大学学报(自然科学版)》期刊2019年05期）
孙磊,吴文海,柯坚,张霆[4]（2019）在《基于可见光图像的铁路接触网绝缘子污秽状况检测》一文中研究指出为实现高速铁路接触网绝缘子污秽状况的在线检测,通过分析积污成分与污秽物分布情况,排除可见光图像中干扰因素的同时提取多个特征量描述绝缘子的污秽状况。通过实验样本测试验证该方法的判别精度,准确率可达到0. 908,该方法能够有效监测铁路接触网绝缘子的污秽状况。(本文来源于《电瓷避雷器》期刊2019年05期）
罗建军,刘振声,龚翔,黄绍川,欧阳业[5]（2019）在《基于无人机图像与迁移学习的线路绝缘子状态评价方法》一文中研究指出针对目前绝缘子运维过程存在着规程过于繁杂,过于依赖运维人员的人工识别等问题,文中提出了一种绝缘子状态评价方法,该方法采用历史绝缘子缺陷图像作为训练样本,通过迁移学习在小样本数据处理的优异性能实现基于深度卷积神经网络绝缘子的缺陷识别模型训练,并借助卷积神经网络的特征提取能力实现绝缘子缺陷量化评分,结合历史样本与专家经验实现考虑运行年限、外界环境等因素实现绝缘子综合状态评价。通过实例分析表明文中迁移学习模型训练后绝缘子缺陷识别准确率可达到90%以上,而采用全新学习在同样的样本条件下识别准确率仅为70%,且文中建立的评价模型在日常运维中能够更为灵敏地体现绝缘子的缺陷状态,说明文中评价方法具有相当可靠性,可为运维人员的日常维护安排提供经验。(本文来源于《电力工程技术》期刊2019年05期）
张施令[6]（2019）在《基于图像深度学习与叁维电场仿真的电力用复合绝缘子缺陷挖掘分析》一文中研究指出鉴于复合绝缘子运行环境差异较大、表面电场分布特征各异,亟需合理评估现役运行复合绝缘子运行状态。为此,首先应用紫外、红外成像技术对典型复合绝缘子进行观测形成电-热影像图谱数据库;然后应用小波成像技术对原始图像进行去噪处理,并基于聚类算法对复合绝缘子进行图像区域分割,联合视觉深度学习实现了复合绝缘子类型自适应识别和外轮廓匹配。同时应用叁维建模技术对典型复合绝缘子电场分布规律进行仿真模拟,实现复合绝缘子高场强区域电场分布可视化;最终联合深度学习图像后处理结果和电场分布特征形成现役复合绝缘子运行状态评估策略。研究结果对于电力系统用复合绝缘子运行维护具有较好指导意义。(本文来源于《水电能源科学》期刊2019年09期）
曹培,高凯,田昊洋,许侃[7]（2019）在《基于多光源图像信息融合的绝缘子污秽状态识别》一文中研究指出绝缘子污秽状态非接触检测是智能变电巡检的重要组成部分,为有效提高绝缘子污秽状态识别率,提出了一种基于多光源图像决策级融合的污秽状态诊断方法。以沿海地区多所变电站中不同污秽状态的绝缘子为研究对象,采用种子区域生长法进行图像分割后,分别提取其可见光颜色空间特征、红外图像的灰度化特征以及环境特征,再依据Fisher判据筛选得到最优表征量,并设计支持向量机多值分类器进行污秽状态初判。基于各自识别结果,引入D-S理论进行决策级融合,实现绝缘子污秽状态的有效识别。试验结果表明:本文融合算法的正确率明显高于单种图像源的识别,达到95%左右,为带电检测作业中绝缘子的非接触检测及故障智能诊断提供了新思路。(本文来源于《电瓷避雷器》期刊2019年04期）
李静[8]（2019）在《基于RBF神经网络的劣化绝缘子红外图像智能诊断》一文中研究指出分析了劣化绝缘子红外热像诊断的原理及去噪方法,采用直方图均衡化处理方法实现了绝缘子红外热像的图像增强效果,提出了采用RBF神经网络进行劣化绝缘子人工智能识别的方法,该方法通过提取绝缘子的一系列温度特征参数,准确实现了劣化绝缘子的智能识别与判断。(本文来源于《机电信息》期刊2019年23期）
杜小燕,钟俊[9]（2019）在《基于改进型UL-PCNN的绝缘子图像分割》一文中研究指出绝缘子图像分割是通过图像处理技术实现绝缘子识别和提取的基础性操作。为了能够准确地分割出绝缘子图像,提出一种基于改进型单位连接脉冲耦合神经网络(UL-PCNN)的绝缘子图像分割算法。根据相邻神经元之间的关系,改进原始UL-PCNN模型中的连接输入和耦合系数;利用改进的UL-PCNN模型对绝缘子图像进行分割,得到多幅输出图像;利用梯度算法计算原始图像和输出图像的边缘,并分别计算输出图像和原始图像边缘的均方误差(MSE),均方误差值最小的输出图像即为分割效果最好的绝缘子图像。实验结果表明,本文算法能够准确地分割出不同环境下的绝缘子图像,并具有较好的抗噪性能。(本文来源于《激光与光电子学进展》期刊2019年15期）
高金峰,吕易航[10]（2019）在《航拍图像中绝缘子串的识别与分割方法研究》一文中研究指出为实现航拍图像中绝缘子串的识别与分割,以Faster R-CNN和全卷积神经网络(fully convolutional networks,FCN)为框架构建了深度学习算法,并以算法为核心搭建了绝缘子串图像检测平台.算法首先使用Faster R-CNN模型,结合Resnet-101深度残差卷积神经网络,对所有感兴趣区域进行分类,再对Bounding Box回归和坐标进行修正,用于绝缘子串的识别,接着以FCN网络为基础,通过微调使原网络适应新的绝缘子串数据集,实现了在复杂背景下绝缘子串的语义分割.实验结果表明,文中给出的方法与已有方法相比,不仅能够在不同光照条件、不同拍摄角度以及复杂背景干扰下实现绝缘子串的识别与分割,且处理时间短、精度高和鲁棒性强.(本文来源于《郑州大学学报(理学版)》期刊2019年04期）
绝缘子图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
绝缘子的安全、稳定运行对于输电线路来说是非常重要的,利用目前最为活跃的SSD算法在无人机采集到的绝缘子图片的不同位置进行密集抽样,通过在不同层级中选用不同尺寸、比例的anchor,能够找到与ground truth匹配最好的anchor来进行训练,然后利用CNN提取特征直接进行分类与回归,整个过程只需一步,目的就是为了得到更小、更快、更高效的模型应用于移动端设备。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
绝缘子图像论文参考文献
[1].刘子英,肖建华,邓芳明.基于可见光图像识别的绝缘子污秽等级判别[J].传感器与微系统.2019
[2].洪刚.基于轻量化算法无人机图像绝缘子识别定位研究[J].内蒙古科技与经济.2019
[3].朱文天,胡立坤,王帅军.改进色差法的绝缘子图像分割方法[J].广西大学学报(自然科学版).2019
[4].孙磊,吴文海,柯坚,张霆.基于可见光图像的铁路接触网绝缘子污秽状况检测[J].电瓷避雷器.2019
[5].罗建军,刘振声,龚翔,黄绍川,欧阳业.基于无人机图像与迁移学习的线路绝缘子状态评价方法[J].电力工程技术.2019
[6].张施令.基于图像深度学习与叁维电场仿真的电力用复合绝缘子缺陷挖掘分析[J].水电能源科学.2019
[7].曹培,高凯,田昊洋,许侃.基于多光源图像信息融合的绝缘子污秽状态识别[J].电瓷避雷器.2019
[8].李静.基于RBF神经网络的劣化绝缘子红外图像智能诊断[J].机电信息.2019
[9].杜小燕,钟俊.基于改进型UL-PCNN的绝缘子图像分割[J].激光与光电子学进展.2019
[10].高金峰,吕易航.航拍图像中绝缘子串的识别与分割方法研究[J].郑州大学学报(理学版).2019