基于视觉的输电线路覆冰识别方法研究与系统设计

摘要

受气温、复杂地形、气象变化等各种环境的综合影响，附着在输电线上的过冷水滴由于释放潜热固化最终极易形成覆冰。而输电线路覆冰严重影响电力的安全供应。因此，对输电线路覆冰情况进行监测、覆冰厚度进行测量，成为众多科研院所重要的研究课题。传统的输电线路覆冰检测方法包括基于力学模型、模拟导线和视觉等方法。基于力学模型的方法能计算输电线覆冰的等效厚度，但不能获得电力线覆冰的局部厚度；模拟导线法只能间接测量覆冰厚度，测量的结果与实际带高电压、大电流的输电线覆冰情况不同；而基于视觉测量覆冰厚度的方法，具有精度高、成本低等优点。故本文选用视觉的方法来实现覆冰的识别以及厚度的测量，文章主要内容如下：　　(1)对基于图像处理的覆冰识别方法进行了研究。首先，本文选用双边滤波、直方图均衡化和自适应阈值分割算法对覆冰图像进行预处理，在预处理后使用Canny算法进行边缘检测以减少图像中的假边缘；然后，根据输电线在图片中的位置大致一定这一先验知识，先对输电线区域大致分割，再使用Hough直线检测覆冰边缘，实验表明这种简单的方法可以有效降低背景的干扰，提高覆冰边缘识别的准确率；最后，提出一种结合最小二乘法的Hough直线检测方法，先拟合出覆冰边缘中心线，以中心线为判断条件分别拟合出上、下边缘直线，完成输电线覆冰的检测。　　(2)对基于深度学习的覆冰识别方法展开了研究，主要是对语义分割领域中广泛使用的SegNet网络模型进行改进。首先，提出用轻量化卷积神经网路MobileNet代替VGG16作为SegNet网络的编码结构，参数量从原始的1471万减少到160万。其次，在解码部分借鉴了FCN的skip结构，融合了低层次特征信息，以提高最终的分割精度。最后，在本文构建的输电线覆冰数据集上做了检测实验，结果表明：本文提出的改进SegNet网络的MIoU值和未经改进的SegNet网络相比，从78.2%提高到了81.3%，提升了3.1个百分点；此外，SegNet和改进SegNet网络模型的大小分别为45.19MB、24.74MB，而基于MobileNet的SegNet网络模型大小只有21.86MB，在这三种算法中只有它可以在嵌入式移动平台jetsonTX2上运行。　　(3)开发了输电线路覆冰识别系统。该系统集成了本文提出的改进SegNet覆冰检测算法，具备覆冰检测、厚度测量、数据存储等功能。在实验室条件下模拟了输电线覆冰场景，实验验证了该识别系统的各个功能，具有一定应用价值。

目录

声明

第1章绪论

1.1 课题研究的背景与意义

1.2 输电线路覆冰类型

1.3 输电线路覆冰监测原理与研究现状

1.3.1 基于力学模型的方法

1.3.2 模拟导线法

1.3.3 基于视觉的方法

1.4 本文主要研究内容

第2章 基础理论与相关技术

2.1 输电线覆冰图像预处理方法研究

2.1.1 图像滤波

2.1.2 直方图及其均衡化

2.1.3 自适应阈值分割

2.2 基于卷积神经网络的语义分割

2.2.1 语义分割定义

2.2.2 卷积神经网络结构

2.2.3 卷积神经网络训练过程

2.3 本章小节

第3章 基于数字图像处理的输电线覆冰识别

3.1 图像预处理

3.2 边缘检测

3.2.1 Laplacian边缘检测

3.2.2 Canny 边缘检测

3.3 融合最小二乘法的 Hough 直线检测算法

3.3.1 输电线区域分割

3.3.2 Hough 直线检测

3.3.3 最小二乘法拟合直线

3.4 实验分析

3.5 本章小节

第4章 基于语义分割的输电线覆冰识别

4.1 常用语义分割网络

4.2 改进 SegNet语义分割网络设计

4.2.1 编码网络设计

4.2.2 解码网络设计

4.3 实验及结果分析

4.3.1 实验参数及环境设置

4.3.2 实验结果分析

4.4 本章小结

第5章 输电线路覆冰识别系统设计

5.1 系统的功能需求及总体架构

5.2 系统硬件选型

5.3 系统软件设计

5.3.1覆冰厚度计算方法

5.3.2 识别客户端设计

5.4 系统实验验证

5.4.1 实验平台搭建

5.4.2 覆冰识别系统实例验证及结果

5.5 本章小结

总结与展望

致谢

参考文献

攻读硕士期间发表的学术论文与参与项目