中国韩国日本在线观看免费,A级尤物一区,日韩精品一二三区无码,欧美日韩少妇色

當前位置:主頁 > 科技論文 > 自動化論文 >

基于深度學習技術的巡檢視頻圖像智能理解算法研究

發(fā)布時間:2024-07-05 22:24
  近年來,隨著我國電網(wǎng)建設的迅速發(fā)展,輸電線路規(guī)模增大,設備量也相應的增多,給電網(wǎng)的安全運行帶來了新的挑戰(zhàn),急需新型、高效以及智能的管理手段。傳統(tǒng)的電力巡檢業(yè)務依靠人工巡視,需要攀爬桿塔,翻山越嶺,存在作業(yè)難度大,風險高,效率低等諸多問題。近年來,無人機技術和圖像識別技術取得長足發(fā)展,給電力線路巡檢帶來了新的工具和思路,依靠無人機和圖像識別技術可以大大提高巡檢效率,也是目前一個熱門的研究方向。深度學習目前在語音,圖像,文字等領域有較為廣泛的使用,并且在工業(yè)應用中取得了巨大效益。作者將深度學習技術引入到了巡檢視頻圖像的理解中,以幫助人們發(fā)現(xiàn)問題和提高效率。作者選取了基于“分類”和“回歸”的兩種不同的深度學習圖像識別框架,利用它們?nèi)プR別電力巡檢視頻中的輸電塔、樹、絕緣子、鳥窩等物體。作者準備了這四種物體的圖片作為原始數(shù)據(jù)去訓練模型,最終觀察和比較這兩種模型的表現(xiàn)差異。作者在有限的訓練樣本中已經(jīng)取得了較為滿意的識別正確率,證實了深度學習用于巡檢圖像識別的可行性。作者給出了不同需求場景下框架選用的原則,在速度優(yōu)先的情況下選擇“YOLO”,在更關心準確率的場景下選擇“Faster R-CNN”。

【文章頁數(shù)】:62 頁

【學位級別】:碩士

【部分圖文】:

圖2-1二維數(shù)據(jù)點聚類

圖2-1二維數(shù)據(jù)點聚類

第二章圖像處理基礎原理11圖2-1二維數(shù)據(jù)點聚類圖2-2手寫字符聚類2.4圖像內(nèi)容分類本節(jié)介紹圖像分類和圖像內(nèi)容分類算法。首先,介紹一些簡單而有效的方法和目前一些性能最好的分類器,并運用它們解決兩類和多分類問題。2.4.1K近鄰分類法(KNN)K近鄰[47-50](K-....


圖2-2手寫字符聚類

圖2-2手寫字符聚類

11圖2-1二維數(shù)據(jù)點聚類圖2-2手寫字符聚類2.4圖像內(nèi)容分類本節(jié)介紹圖像分類和圖像內(nèi)容分類算法。首先,介紹一些簡單而有效的方法和目前一些性能最好的分類器,并運用它們解決兩類和多分類問題。2.4.1K近鄰分類法(KNN)K近鄰[47-50](K-NearestNei....


圖2-3KNN算法模型

圖2-3KNN算法模型

12圖2-3KNN算法模型圖2-3表示在二維空間中的一個分類場景,三角形和正方形的圖形代表已經(jīng)打標過的兩種數(shù)據(jù)的分布,打問號的圓形數(shù)據(jù)是我們需要進行分類的預測對象。首先在算法推導之前需要先設置K值:1)當K=3時,我們找出距離預測集,也就是圓形數(shù)據(jù)最近的3個數(shù)據(jù),這....


圖2-4KNN特性展示

圖2-4KNN特性展示

圖2-4KNN特性展示中,正方形和六邊形表示已經(jīng)打標好的數(shù)據(jù)集離的角度直觀來看,五角星應該屬于正方形這一的分布不平衡,六邊形的數(shù)量遠多于正方形的數(shù)所以KNN在目標數(shù)據(jù)集數(shù)量比例分布不平衡的情題就是計算成本很高,因為每個預測點都需要對常大的計算資源開銷。eBayesian....



本文編號:4001634

資料下載
論文發(fā)表

本文鏈接:http://www.lk138.cn/kejilunwen/zidonghuakongzhilunwen/4001634.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權申明:資料由用戶23a63***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com