检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于深度学习的电力设备图像识别方法

电工技术 2022年第9期 34-36页

作者：陈兆骅杨海舟柏筱飞高萍韩辉国网苏州供电公司江苏苏州215000 江苏瑞中数据股份有限公司江苏南京210000

针对传统方法对电力设备的图像特征分类不明确,导致得到的图像识别效果不佳,难以保证安全运行的问题,提出了基于深度学习的电力设备图像识别方法。该方法首先提取电力设备图像特征分类伪装因素,然后基于深度学习方法构建网络模型定位错... 详细信息

针对传统方法对电力设备的图像特征分类不明确,导致得到的图像识别效果不佳,难以保证安全运行的问题,提出了基于深度学习的电力设备图像识别方法。该方法首先提取电力设备图像特征分类伪装因素,然后基于深度学习方法构建网络模型定位错误锚点,通过正负训练标记识别目标区域,从而完成对电力设备图像的识别。实验结果表明,以变压器和电线塔杆作为识别设备测试对象,该方法能在30 s内基本完成采集图像的有效识别,可保证电力设备能稳定运行,具有较好的实际应用效果。

关键词：深度学习电力设备图像图像识别错误锚点定位

云存储中基于MHT的电力设备图像完整性审计方案

在线全文

学校读者我要写书评

暂无评论

华东师范大学学报（自然科学版） 2020年第5期 33-43页

作者：张驯白万荣魏峰王蓉田秀霞刘天顺国家电网甘肃省电力公司电力科学研究院兰州730070 上海电力大学计算机科学与技术学院上海200090

针对云存储中电力设备图像面临着被攻击、篡改或丢失等风险,提出一种适用于云端电力设备图像的完整性审计方案.首先,将每个图像切割成4个图像块,再采用尺度不变特征转换(Scale Invariant Feature Transform, SIFT)算法对所有图像块进行... 详细信息

针对云存储中电力设备图像面临着被攻击、篡改或丢失等风险,提出一种适用于云端电力设备图像的完整性审计方案.首先,将每个图像切割成4个图像块,再采用尺度不变特征转换(Scale Invariant Feature Transform, SIFT)算法对所有图像块进行特征提取.然后,把每个图像的4个图像块作为一个叶子节点来构建Merkle哈希树(Merkle Hash Tree, MHT).最后,在树中节点增设访问等级位和更新状态位.理论分析和实验结果表明,该方案应用于图像完整性审计时具有较低的计算开销和较高的审计效率,并且对图像的不完整区域能够进行准确的定位,因此更加适用于云端电力设备图像的完整性审计工作.

关键词：电力设备图像云存储安全 Merkle哈希树 SIFT 图像完整性

基于改进Canny算子的电力设备图像检测研究

在线全文

学校读者我要写书评

暂无评论

电测与仪表 2014年第10期51卷 77-81页

作者：罗桓田翔广州大学广州510006 华南理工大学广州510640

图像边缘检测技术在电力行业的应用越来越广泛,但仍然存在些许问题限制了其在工程中的实际应用。对于复杂的现场电力设备图像,结合最优阈值灰度分割法和Canny算子等图像处理技术,提出了基于改进Canny算子检测电力设备图像。首先利用最... 详细信息

图像边缘检测技术在电力行业的应用越来越广泛,但仍然存在些许问题限制了其在工程中的实际应用。对于复杂的现场电力设备图像,结合最优阈值灰度分割法和Canny算子等图像处理技术,提出了基于改进Canny算子检测电力设备图像。首先利用最优阈值灰度分割法得到的阈值作为Canny算子的高阈值Th;然后利用高低阈值的对应关系确定低阈值Tl,。由此可实现改进Canny自适应检测电力设备图像的目的。实验结果表明,该方法可取得较为理想的边缘检测效果,具有一定的实用性。

关键词：电力设备图像最优阈值灰度分割法改进Canny算子边缘检测

基于生成对抗网络的电力设备图像扩充模型及算法研究

在线全文

学校读者我要写书评

暂无评论

基于生成对抗网络的电力设备图像扩充模型及算法研究

作者：何佳美电子科技大学

学位级别：硕士

根据国家人工智能的总体规划,智能电网大数据平台的建设正在快速推进,其中核心部分就包括利用深度学习实现电力设备缺陷智能检测。由于各种电力设备所固有的特殊性质,专业技术人员难以长时间对电力设备进行现场勘察和检测,难以任意对电... 详细信息

根据国家人工智能的总体规划,智能电网大数据平台的建设正在快速推进,其中核心部分就包括利用深度学习实现电力设备缺陷智能检测。由于各种电力设备所固有的特殊性质,专业技术人员难以长时间对电力设备进行现场勘察和检测,难以任意对电力设备进行图像数据的采集,因此目前现有的电力设备图像数据集难以满足电力设备缺陷智能检测模型的训练,使得电力设备缺陷智能检测科研工作步履维艰。本文从电力设备数据集中的X光耐张线夹图像数据集入手,开展基于生成对抗网络(Generative Adversarial Networks,GAN)的图像数据集扩充模型的研究工作,并提出基于生成对抗网络算法的电力设备图像扩充模型,可生成用于扩展电力设备缺陷智能检测模型图像数据集的图像。主要研究内容如下:(1)对原始的X光耐张线夹图像数据集进行预处理,包括数据集标准化和数据集增强,以便处理后的图像能够满足后续模型的训练。(2)构建GAN网络模型进行X光耐张线夹图像数据集的生成。根据介绍的两种GAN算法设计并实现GAN网络结构,搭建模型运行所需的实验环境,利用X光耐张线夹图像数据集对这两个GAN模型进行训练,最终得到的实验结果表明DCGAN生成的图像质量较高。(3)提出基于条件生成对抗网络(Conditional GAN,CGAN)的电力设备图像扩充模型。在CGAN模型的基础上,针对X光耐张线夹图像数据集对CGAN模型进行改进并构建电力设备图像扩充模型使其可以生成指定缺陷的X光耐张线夹图像,对实验结果进行分析,并利用Frechet距离(Frechet Inception Distance,FID)对文中模型性能评估,证明电力设备图像扩充模型优于之前两个模型。(4)利用卷积神经网络(Convolutional Neural Network,CNN)分类模型对生成图像进行评价。构建CNN图像分类模型,将生成X光耐张线夹图像和真实X光耐张线夹图像分别作为训练集和测试集,进行分类验证实验并比较两次分类实验的结果。最后通过模型性能对比实验,验证电力设备图像扩充模型生成的图像能够有效实现电力设备图像数据集的扩充。本文将生成对抗网络用于X光耐张线夹图像数据集的扩充,提出了能够生成指定缺陷的电力设备图像扩充模型,最终经过实验验证了其生成的图像能够用于电力设备图像数据集的扩充,对后续研究工作具有一定的价值。

关键词： X光耐张线夹生成对抗网络卷积神经网络电力设备图像

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

边缘检测在电力设备图像中的应用

边缘检测在电力设备图像中的应用

作者：贾彩花华北电力大学(北京)

学位级别：硕士

众所周知,人们在生活和工作中都需要电的参与,经济的快速发展更加促使了对电能日益扩大的需求量。当所有电力设备完好无缺,可以去顺利地运行时,才能提高电能生产与运输的效率。然而,预防电力设备发生损伤,保证其运行的安全度,对仪器设... 详细信息

众所周知,人们在生活和工作中都需要电的参与,经济的快速发展更加促使了对电能日益扩大的需求量。当所有电力设备完好无缺,可以去顺利地运行时,才能提高电能生产与运输的效率。然而,预防电力设备发生损伤,保证其运行的安全度,对仪器设备检修或更换,也是比较现实有效的措施,不可或缺。随着智能化时代的到来,电力企业也逐步引入了新型化的网络数字系统,例如远程的监测使工作流程更加便捷,间接优化了电力行业的整个系统。当然,数字图像处理在其中起着非常重要的作用,而边缘信息的提取对图像后期处理的效果发挥着关键性的价值。本文首先对电力设备图像,图像处理,传统边缘检测等做了基础的理论介绍,然后着重分析了数学形态学相关的理念。新型的数学形态学以严谨的集合论为支撑,虽然算法简单,但是坚实的理论基础验证了其可靠性,在图像的处理与分析方面应用地愈加广泛,也延伸到了其他各个领域。由此来看,数学形态学在未来的研究领域可以开拓出一条新的道路。传统的数学形态学如果单单依靠固定单一的结构元素,图像的处理效果并不理想,也无法做到对所有的图像都适用。基于此,本文通过分析电力设备图像的特点,充分发挥数学形态学在边缘检测方面的优势,不断进行改进和完善。通过比较数学形态学结构元素不同特性对边缘的影响效果,综合不同尺度,不同方向,不同形状的结构元素,提出一种多尺度多结构的自适应权值新型算子,来对电力设备图像进行边缘提取。其中算法也实现了自动选取权值的功能。大量实验结果表明,采用改进后的算法,不仅保证了边缘细节很好地提取出来,而且更大程度上消除了噪声影响。本文算法可以为电力行业在设备的监测方面提供良好的借鉴价值,前景可观。

关键词：电力设备图像图像处理边缘提取数学形态学结构元素

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

应用于电力设备图像的数学形态学边缘检测

计算机科学与应用 2021年第5期11卷 1225-1235页

作者：贾彩花石玉英华北电力大学数理学院北京

目的:近年来,电厂以及电网的新型化与网络化逐步展开,远程监测系统在电力行业中广泛应用,数字图像处理在其中扮演着重要的角色,边缘信息的提取对于图像后期处理的效果尤其关键。因此,提高图像检测的精准程度,对于全面推行和深化电力设... 详细信息

目的:近年来,电厂以及电网的新型化与网络化逐步展开,远程监测系统在电力行业中广泛应用,数字图像处理在其中扮演着重要的角色,边缘信息的提取对于图像后期处理的效果尤其关键。因此,提高图像检测的精准程度,对于全面推行和深化电力设备的维护与检修意义重大:一方面可以提升企业生产运输的效率;另一方面维护了厂区与工作人员的安全。方法:本文通过分析电力设备图像的特点,充分发挥数学形态学的优势,提出了一种自适应权重的多尺度多方向新型算子。并且引入权重的概念,使边缘检测模式与对应图像之间达到最佳配准,进而提取到更全面更精细的图像边缘。结果:大量数值实验表明,该算法可以更好地提取到边缘细节,其边缘检测评价指标(品质因数F)提升到了0.9以上的超高数值,表明提取到的图像边缘非常完整,而且对噪声的抑制与消除也有明显的改善。结论:本文所提出的多尺度多方向的数学形态学边缘检测新思想,在图像的边缘检测方面具有明显的优势,为电力公司的图像监测提供了有益思路和算法支撑,具有很好的应用价值。

关键词：电力设备图像边缘检测数学形态学结构元素权重

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的电力设备图像识别模型构建

信息技术 2021年第6期45卷 58-62页

作者：洪梓铭广东电网有限公司广州供电局广州510620

为了解决电力设备故障识别中存在识别精度低、识别耗时长等问题,提出构建基于深度学习的电力设备图像识别模型。利用飞行设备搭载采集系统获取电力设备样本图像,采用加权平均法将RGB彩色图像转换为灰度图像;通过均值滤波法对电力设备图... 详细信息

为了解决电力设备故障识别中存在识别精度低、识别耗时长等问题,提出构建基于深度学习的电力设备图像识别模型。利用飞行设备搭载采集系统获取电力设备样本图像,采用加权平均法将RGB彩色图像转换为灰度图像;通过均值滤波法对电力设备图像进行降噪,以及采用二次泰勒级数卷积对电力设备图像边缘进行自适应增强,完成电力设备图像的预处理;在此基础上,采用权重融合的相似性测度对电力设备图像特征进行融合,引入卷积神经网络构建电力设备图像识别模型。实验结果表明:采用所提模型识别电力设备图像的精度最高可达99%,且识别耗时始终低于5s。

关键词：深度学习卷积神经网络电力设备图像识别模型均值滤波法

在线全文

学校读者我要写书评

暂无评论

图像检索在电力系统设备管理中的应用研究

图像检索在电力系统设备管理中的应用研究

作者：陈春华北电力大学（河北）

学位级别：硕士

本文深入分析和研究了基于内容图像检索领域的一些关键技术,如:颜色、形状、纹理等底层图像特征的描述,图像间的相似性度量准则以及相关反馈,并把它们应用于电力设备图像的检索实践中。根据电力设备图像自身的特点,将形状特征作为电力... 详细信息

本文深入分析和研究了基于内容图像检索领域的一些关键技术,如:颜色、形状、纹理等底层图像特征的描述,图像间的相似性度量准则以及相关反馈,并把它们应用于电力设备图像的检索实践中。根据电力设备图像自身的特点,将形状特征作为电力设备图像检索中的主要特征抽取。提出了电力设备图像管理系统中的图像检索方法,完成了电力设备图像的预处理和形状特征参数的提取。文中给出了基于形状不变矩的电力设备图像检索系统结构。实验表明通过该方法能够较好的区分不同类别的设备图像。最后对本课题作了总结和进一步的展望。

关键词： CBIR 图像检索电力设备图像形状特征不变矩