检索结果-南通市图书馆

基于无人机巡检图像的电力系统故障智能检测技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于无人机巡检图像的电力系统故障智能检测技术研究

作者：陈伟哈尔滨工业大学

学位级别：硕士

如今,电力能源作为人们生产生活中最重要的能源之一,其电力系统的稳定性和可靠性决定着整个电网能否安全、高效运行,对输电线路进行故障检测是保证电力系统稳定运行的基础,也是电力巡检监测的重要部分。无人机技术的快速发展,使得电力... 详细信息

如今,电力能源作为人们生产生活中最重要的能源之一,其电力系统的稳定性和可靠性决定着整个电网能否安全、高效运行,对输电线路进行故障检测是保证电力系统稳定运行的基础,也是电力巡检监测的重要部分。无人机技术的快速发展,使得电力系统无人机巡检已逐渐取代传统人工巡检方式。另一方面,随着大数据和人工智能技术的发展,特征识别技术得到了快速提高,利用无人机巡检图像对电网输电线路进行故障智能检测已成为电力系统智能化、信息化管理的重要组成部分。本文以深度学习为技术背景,针对实际应用中存在的故障样本数量少、图像质量较差、目标检测精度较低的问题,开展电力系统无人机巡检图像数据集构建、基于深度学习的低照度图像增强方法研究及基于改进Eifficient Det-D0的电力系统故障智能检测技术研究,并构建评价指标体系,开展实验验证。主要研究工作如下:(1)电力系统无人机巡检图像数据集构建。针对故障检测网络实际训练过程中对大量且高质量标注图像数据的需要,一方面通过下载网络公开数据集,获取包含正常和缺陷绝缘子的航拍图像;另一方面利用无人机在不同时间点采集黑龙江地区高压输电线路的航拍图像。此外,选取基于Style GAN2的图像生成网络和基于残差结构的判别网络,利用生成对抗思想,以已有图像数据作为训练输入,进一步生成目标图像。利用图像标注工具对所获取图像进行故障标注。接着,通过图像缩放、翻转、扭曲变形、增加图像噪声等操作,在数据层方面对图像进行数据增强,增加图像特征多样性,降低模型对数据完备性的要求,为后续输电线路故障检测网络提供数据支持。(2)基于深度学习的低照度图像增强方法研究。针对无人机巡检获取到的低照度图像中目标特征提取困难、检测精度低的问题,同时为实现端到端的图像增强,对低照度图像增强方法进行研究。首先,基于改进的VGG网络设计图像照度分类网络,通过对网络宽度和深度进行裁剪并引入带孔卷积实现网络结构的轻量化。设定概率阈值,将低照度图像输入网络实现图像的照度分类。然后,研究基于强监督和弱监督训练方式的图像增强网络结构设计方法,通过设计不同的损失函数,完成基于Retinex-Net和DCE-Net的图像增强网络训练及测试。最后,构建图像增强效果评价体系,实现对低照度图像增强性能的定量评估。(3)基于改进Eifficient Det-D0的电力系统故障智能检测技术研究。基于电力系统无人机巡检图像数据集,开展输电线路故障智能检测技术研究。为进一步提升目标检测性能,在单阶段目标检测网络Eifficient Det-D0的基础上,对原始网络框架进行改进,给出预测分支网络各层参数。选择Focal Loss和Smooth L1作为网络的损失函数,基于经典网络参数设定经验进行超参数设定。综合考虑梯度更新的稳定性、反向传播的高效性等因素,选择Adam优化器进行参数优化。为更好地与数据集目标相匹配,基于K值聚类法更新先验框高宽值,并采用基于余弦退火的学习率调整机制和基于Mosaic数据增强的训练方式对故障检测网络进行训练,最终实现输电线路故障的智能检测。(4)输电线路故障智能检测算法实验验证及分析。基于改进的Eifficient Det-D0的输电线路故障智能检测网络及巡检测试集图像进行输电线路故障智能检测算法实验验证。利用混淆矩阵,构建包含检测精确率、召回率、F1指数、m AP等性能指标的故障检测精度评价体系,针对不同检测目标类别、不同图像照度以及是否对网络结构进行改进等情况开展验证实验,统计计算不同实验情况下的评价指标。实验结果表明:改进网络结构、增强图像照度、优化训练方式均能够有效提升故障检测精度,可为实际输电线路巡检过程中故障智能检测识别提供科学依据与技术支持。

关键词：智能检测照度增强生成对抗线路故障深度学习

基于抗干扰与注意力机制的城市场景道路检测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于抗干扰与注意力机制的城市场景道路检测研究

作者：丁启辰广西大学

学位级别：硕士

随着智能交通行业的发展,无人驾驶技术已经应用到我们的生活中,而道路检测是实现无人驾驶技术的基础环节。近年来,随着深度学习领域的飞速发展,目标分割方法和视觉注意力方法取得了阶段性进展,并在道路检测方向产生了重要研究成果。然... 详细信息

随着智能交通行业的发展,无人驾驶技术已经应用到我们的生活中,而道路检测是实现无人驾驶技术的基础环节。近年来,随着深度学习领域的飞速发展,目标分割方法和视觉注意力方法取得了阶段性进展,并在道路检测方向产生了重要研究成果。然而道路检测任务仍面临严峻的挑战:网络在复杂的场景下的检测仍受路面磨损、灰尘、积水、树木及阴影等杂物的干扰,导致网络的预测能力下降;且注意力机制在道路检测中作为辅助手段,通过矩阵相乘获取注意力信息的方法,占用大量的计算资源并消耗额外的时间,也无法实现对细节特征的调制。因此对城市道路抗干扰检测以及对注意力机制进行研究是十分必要的。目前主流的道路检测方法主要通过扩大感受野、多尺度特征融合、跨层连接等方法提升模型的预测能力,然而上述方法没有从特征自身的优化方向入手,导致提取的特征缺乏抗干扰能力,限制了检测精度的进一步提高。此外传统的卷积层特征缺乏通道间的筛选和大尺度空间上下文信息的提取能力,因而需要补充通道注意力和空间注意力机制模块。但上述注意力模块缺乏细节关注的能力。针对上述研究中出现的问题,本文设计一种基于抗干扰的道路检测网络和新颖的细节注意力模块,来改善道路检测网络的特征抗干扰和细节特征关注能力,本文主要的工作如下:（1）对现有的道路检测研究从目标分割、注意力机制、数据增强三个方面进行归类总结,分别阐述不同方法所对应网络的结构、数据流程和训练损失,并指出现有方法的优势及不足之处。（2）针对网络特征抗干扰能力弱的问题,本文提出基于全局与定域的特征抗干扰检测机制。基于全局的特征抗干扰检测网络由三部分组成:检测器、伪特征生成器和特征鉴别器;检测器负责提取分割道路,伪特征生成器负责生成干扰特征,并按预设比例线性叠加到检测器的中间特征层中,干扰检测器的特征组成降低分割精度;特征鉴别器需保证混合后的特征能够通过真实性鉴别以此约束伪特征生成器;因此伪特征生成器和检测网络、特征鉴别器形成生成对抗关系。这种干扰信息随着对抗训练不断变换,模拟道路在不同场景下可能出现的各种干扰。上述的特征干扰是全局的,面向整幅图像的,而在遥感场景下干扰路面检测的因素均来自道路附近,全局干扰相对冗余。为了进一步增强道路检测的抗干扰能力,本文提出了基于定域的特征抗干扰检测网络:网络移除特征鉴别器结构,仅保留检测器和边缘干扰器。通过掩膜监督边缘干扰器的定向干扰输出。这种掩膜不需人为的标定,由本文提出的干扰变换算法所得,代表着道路边缘可能出现的树木及阴影。将边缘干扰器的输出叠加到检测器的中间特征层中,模拟道路边缘被遮挡的场景,提升网络的边缘抗干扰能力。（3）道路场景具有强空间结构,因此在对道路的检测中需要考虑全局上下文信息,本文设计并提出了两种注意力模块。针对现有的注意力机制在提取空间信息时缺乏对细节信息的增强与抑制,本文提出了细节注意力模块,通过使用深层感知机为像素特征分配调制信号以实现对空间信息的筛选。其次针对目前自注意力机制存在的训练参数少,且计算所消耗的资源和时间均以平方的形式增加,本文提出了具有更高压缩比的变尺度自注意力模块,提高了网络提取变尺度特征的能力。（4）在广西城市道路数据集、慕尼黑数据集与马萨诸塞州数据集上的实验表明,本文所提的抗干扰机制及注意力模块,在车辆行驶场景与遥感场景下的道路分割精度优于领域内主流的方法。综上所述,本文在现有检测网络的基础上加以改进,针对两种道路场景下的分割任务展开分析与研究,首次提出了特征抗干扰的思想,并改进了注意力机制;最后,本文也对未来的工作进行了展望。

关键词：道路分割生成对抗抗干扰空间细节注意力变尺度空间上下文

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的视频修复算法研究

基于深度学习的视频修复算法研究

作者：郭冲东南大学

学位级别：硕士

本文以VHS视频的智能修复为背景,研究在无参考以及复杂噪声背景下关于视频的去噪、污损点修描以及纹理生成等课题。首先,本文针对待修复视频无高清参考样本以及噪声分布复杂这一情况,提出了基于帧间回归网络的视频盲去噪模型,通过挖掘... 详细信息

本文以VHS视频的智能修复为背景,研究在无参考以及复杂噪声背景下关于视频的去噪、污损点修描以及纹理生成等课题。首先,本文针对待修复视频无高清参考样本以及噪声分布复杂这一情况,提出了基于帧间回归网络的视频盲去噪模型,通过挖掘退化视频中时序上的先验信息,实现了直接通过退化视频本身优化网络,完成盲去噪和污损点修描的任务。其次,针对复原过程中由于视频前后帧画面运动偏移产生的模糊现象,本文提出了如下解决方案:1.通过帧间特征融合模型来处理帧间偏移;2.采取基于区域匹配的帧间对齐算法,在低信噪比以及污损严重的情况下完成对前后帧画面的对齐,最终消除了运动模糊现象。针对上述匹配算法时间复杂度高这一难点,本文通过矩阵操作及卷积等运算对其进行转化并部署到并行计算平台上,高效完成了匹配工作。实验证明,算法在无参考样本的情况下,对现实情况下的噪声有较好地消除作用,算法效率也有进一步提升。最后,针对原始VHS视频中因纹理细节丢失而造成的模糊问题,本文通过引入对抗损失以及感知损失构造了纹理生成模型。其中采取了相对判别器以及梯度惩罚措施,使生成对抗的训练过程更加稳定;采用包含语义信息的感知损失生成更加真实的纹理。实验证明,修复后视频画面质量有明显的提高。

关键词：视频复原无参考去噪纹理生成感知损失生成对抗

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向智慧交通的图像清晰化校正方法研究

面向智慧交通的图像清晰化校正方法研究

作者：范晋卿河南工业大学

学位级别：硕士

模糊图像清晰化校正近些年备受人们的关注,同时也是一项极具有挑战性的课题,最终目的是为室外监控、航空航天、医学影像等领域提供高质量的清晰图像。智慧交通带动了城市的发展,为通畅的公共出行和可持续的经济发展提供了有力的保障,然... 详细信息

模糊图像清晰化校正近些年备受人们的关注,同时也是一项极具有挑战性的课题,最终目的是为室外监控、航空航天、医学影像等领域提供高质量的清晰图像。智慧交通带动了城市的发展,为通畅的公共出行和可持续的经济发展提供了有力的保障,然而图像在采集和传输过程中噪声的干扰不可避免,例如车辆速度过快、成像距离太远和设备分辨率过低等因素常常导致模糊图像的发生,因此开展道路交通模糊图像清晰化校正显得尤为重要,该课题的研究对于道路交通监管部门有着重大的意义。本文首先介绍了模糊图像成像机理和去模糊的发展,然后分析了传统去模糊方法的弊端及现有深度学习方法的不足,并系统整理了深度学习相关理论基础,最后基于生成对抗的思想和理念,借助于深度学习的方法,分别提出了多尺度编解码网络和多尺度特征金字塔网络两种模糊图像清晰化方法,以端到端的方式对模糊图像进行盲复原,主要工作内容及具体研究成果如下:1、采用从粗到精的设计思路提出了一种多尺度编解码深度卷积神经网络结构。首先,使用循环多尺度编解码网络作为生成器模块,编解码器内部在普通残差块和多尺度残差块的基础上提出一种优化多尺度残差块（Optimization Multi-scale Residual Block,OMSRB）结构,不仅减少了参数量还提升了网络的非线性表达能力。此外,在编解码网络中采用跳跃连接的方式,为复原结果提供更加丰富的细节信息。最后,分别计算每层网络对应的L2损失,确保去模糊后的图像更加接近真实。2、提出一种多尺度金字塔盲去模糊网络结构,该方法在生成器部分基于特征金字塔原理对道路交通图像进行多尺度和多特征的提取和融合,保证每一层所预测的结果充分融合了高分辨率和强语义的特征,更加有利于图像清晰化复原。判别器部分在局部和全局判别的基础上创新性使用下采样多尺度判别,综合在不同分辨率和随机补丁的图像上充分判断,从而更加精准指导网络进行反向调参优化。最后引入多尺度结构相似性损失函数进一步约束较高质量图像的生成。本文所提出的两种方法在GoPro数据集和收集整理的道路交通数据集上进行实验验证,并与现有的方法进行对比分析。仿真结果表明,方法一相比于近些年经典网络模型能够更好去除图像中的模糊,从而获得较好的复原结果。方法二由于充分特征提取且充分判别,进而能够得到更高质量的复原结果,相较于方法一平均PSNR提升了4.9%,平均SSIM提升了2.6%,平均MOS提升了3.3%。两种方法在大幅度增强道路交通图像视觉效果的同时还能够实现监控模糊图像稳定且高质量的复原,在不同道路交通场景下均具有较好的泛化性能。

关键词：道路交通模糊图像多尺度编解码特征金字塔生成对抗图像复原

U-GAnet多通道特征重构人群密度检测模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电脑知识与技术 2019年第12Z期15卷 197-200页

作者：赵新宇公安部第一研究所

在基于视觉的人群计数研究中,针对计数中人群存在遮挡和个体尺寸不确定问题,提出一种多通道特征重构密度图的计数算法。模型利用膨胀卷积网络对图像进行多尺度特征提取,提高模型的感知区域,增强模型对尺度敏感性;通过多通道融合浅层特... 详细信息

在基于视觉的人群计数研究中,针对计数中人群存在遮挡和个体尺寸不确定问题,提出一种多通道特征重构密度图的计数算法。模型利用膨胀卷积网络对图像进行多尺度特征提取,提高模型的感知区域,增强模型对尺度敏感性;通过多通道融合浅层特征生成人群密度图,结合基于Earth-Mover距离的生成对抗机制提高模型精度。为验证算法的有效性,分别与主流方法在标准数据集ShanghaiTech、UCF-QNRF、UCF-CC-50上进行对比实验。实验结果表明,提出的方法有效地提高了计数准确度,并对场景具有一定鲁棒性。

关键词：人群计数膨胀卷积网络多通道密度图生成对抗

基于多尺度编解码网络的道路交通模糊图像盲复原

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

郑州大学学报（理学版） 2022年第2期54卷 8-15页

作者：吴兰范晋卿文成林河南工业大学电气工程学院河南郑州450001 广东石油化工学院自动化学院广东茂名525000

提出一种多尺度编解码深度卷积神经网络结构,使用生成对抗的思想对模糊图像直接进行盲复原。首先,设计一种优化多尺度残差块应用在编解码器内部,在减少参数量的同时提高了网络非线性表达能力;其次,分别计算多尺度网络每层对应的L2损失,... 详细信息

提出一种多尺度编解码深度卷积神经网络结构,使用生成对抗的思想对模糊图像直接进行盲复原。首先,设计一种优化多尺度残差块应用在编解码器内部,在减少参数量的同时提高了网络非线性表达能力;其次,分别计算多尺度网络每层对应的L2损失,确保逐级去模糊后的图像更加接近真实图像;最后,在GoPro数据集和真实道路交通模糊图像上进行仿真,结果表明,所提方法能够得到清晰度更高的复原结果。

关键词：道路交通生成对抗编解码器图像复原

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种融合主题的PGN-GAN文本摘要模型

小型微型计算机系统 2023年第1期44卷 199-203页

作者：郭继峰费禹潇孙文博谢培浇张健东北林业大学信息与计算机工程学院哈尔滨150000 无锡科技职业学院人工智能学院江苏无锡214029

为了改进生成式文本的摘要模型,本文提出了一种基于主题的生成对抗与指针网络结合的文本摘要模型.首先通过LDA主题建模方法获取主题词,在获取单词的主题向量后,将结合主题的词向量与传统的序列注意力相结合,形成新的复合注意力共同影响... 详细信息

为了改进生成式文本的摘要模型,本文提出了一种基于主题的生成对抗与指针网络结合的文本摘要模型.首先通过LDA主题建模方法获取主题词,在获取单词的主题向量后,将结合主题的词向量与传统的序列注意力相结合,形成新的复合注意力共同影响单词的生成,然后通过加入生成对抗网络以在指针生成网络上取得了更好的效果.实验采用gigaword数据集进行训练,采用ROUGE评分机制进行评分,结果证明由于融入主题因素,相比单独采用指针网络我们的模型提升了摘要结果的可读性及准确性,具有更好的表现.

关键词：指针网络生成对抗主题模型文本摘要