基于深度学习的输电线路复合绝缘子缺陷检测

目录

声明

致谢

1 引言

1.1 研究背景与研究现状

1.1.1 研究背景

1.1.2 传统的绝缘子检测研究现状

1.1.3 基于深度学习的绝缘子检测研究现状

1.2 研究内容与创新

1.2.1 研究内容

1.2.2 研究创新点

1.3 组织结构

1.4 本章小结

2 相关理论

2.1 卷积神经网络

2.1.1 卷积层

2.1.2 池化层

2.1.3 全连接与Softmax 分类

2.1.4 激活函数

2.2 目标检测

2.2.1 目标检测理论基础

2.2.2 传统目标检测方法

2.2.3 深度学习目标检测方法

2.3 本章小结

3 改进Faster-RCNN 用于复合绝缘子检测

3.1 引言

3.2 改进的Faster-RCNN用于复合绝缘子检测

3.2.1 Faster-RCNN模型

3.2.2 Anchor改进

3.2.3 损失函数与IOU改进

3.3 实验结果与分析

3.3.1 实验设置

3.3.2 实验结果

3.3.3 后处理

3.4 本章小结

4 边缘监督的绝缘子缺陷检测网络

4.1 引言

4.1.1 图像分类网络概述

4.1.2 边缘检测概述

4.2 边缘监督缺陷检测网络结构

4.2.1 特征提取网络

4.2.2 边缘监督模块

4.2.3 损失函数

4.2.4 整体网络结构

4.3 数据集与数据增广

4.3.1 改变亮度与对比度

4.3.2 增加噪声与雾霾

4.3.3 仿射变换

4.4 实验结果

4.4.1 预处理

4.4.2 实验环境与参数设置

4.4.3 实验分析

4.5 本章小结

5 总结与展望

5.1 整体总结

5.2 研究改进与展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集