给大家分享5篇关于绝缘子的计算机专业论文

今天分享的是关于绝缘子的5篇计算机毕业论文范文, 如果你的论文涉及到绝缘子等主题,本文能够帮助到你

融合多尺度特征的绝缘子缺陷检测轻量化算法研究

这是一篇关于绝缘子,目标检测,多尺度特征,轻量化算法,注意力机制的论文, 主要内容为“十四五规划”指出,要加快电网基础设施智能化改造和智能电网建设。输变电场景下定期对电塔绝缘子进行无人机巡检具有重要意义。实际巡检过程中绝缘子经常出现污秽、破损、自爆等尺度不一致缺陷,在对巡检后的绝缘子图像检测研究中仍存在以下两个问题,一是为了提高模型的小目标检测精度,需要融合多尺度特征;二是边缘计算量大为模型部署提出了轻量化需求。针对上述问题,拟先通过数据增强算法对绝缘子数据集进行扩充以得到更多绝缘子样本图像。然后在YOLOv5模型基础上将多个尺度特征图进行不同程度的融合,提高目标检测精度。最后利用PP-LCNet模块的轻量化特点优化YOLOv5的主干网络,减少模型计算量,提高模型推理速度。具体工作内容如下:首先,通过直方图均衡增强、噪声变换及仿射变换等算法,对初始绝缘子图像数据集进行扩充,以满足深度学习模型对于样本数量的需求。其次,为了充分融合多尺度特征,从以下三方面对YOLOv5模型进行优化:(1)针对小目标分辨率较低导致绝缘子缺陷漏检现象,添加了新的多尺度检测头,在现有YOLOv5模型20×20、40×40、80×80三个尺度特征图的基础上增加了160×160的小目标尺度,减少特征图丢失的高级语义信息。(2)特征提取过程中,为了增强有效特征,削弱复杂背景等无用特征,在Neck结构中引入CBAM注意力机制,使网络传达的特征信息进一步准确化。(3)为了增强Neck端的特征处理能力,在原有的两条特征融合路径的基础上,新增两条横向跨尺度连接路径,增强不同网络层之间的信息传递,丰富小目标的特征信息。再次,为了减少计算量,得到轻量化网络模型,分别基于Mobile Net V2、Shuffle Net V2和PP-LCNet模块对YOLOv5模型进行改进。对比发现,得到的P-YOLOv5模型在保证IOU值处于允许损失范围的情况下提高了模型检测速度,取得了性能与速度的最佳平衡。最后,在110kV架空线路干字型输电塔巡检得到绝缘子图像数据集3166张的样本量下,划分训练集1900张,测试集633张进行仿真实验。结果表明,在检测精度方面,所提出的YOLOv5s-PCB模型平均精度均值m AP达到95.4%,提高3.1%,平均召回率Recall为95.2%,提高1.9%。在模型复杂度方面,改进后的轻量化模型参数量Param仅为11.32M,减少58.58%,模型推理速度FPS达到103,提升了58.46%。

基于图像处理技术的输电线路绝缘子缺陷检测系统设计及应用

这是一篇关于绝缘子,批量命名,图像识别,深度学习,故障查询的论文, 主要内容为随着电网建设规模的不断扩大,无人机航拍巡线已经逐渐取代传统的人工巡线,在输电线路运维中的重要性与日俱增。针对输电一线运维班组中存在的图片数据量大、缺陷审核效率低等问题,本文通过对基于深度学习的目标检测算法进行改进,成功设计并开发出绝缘子图像自动命名软件、缺陷检测系统、故障管理系统及网页。本文主要研究内容如下:(1)根据输电线路绝缘子的缺陷种类及日常运维模式,本文提出了缺陷图像的采集方法及格式要求。针对运维工作中图像数据量大的问题,本文使用Qt Creator编写了无人机航拍图像批量命名系统,实现了输电线路图像的批量命名及经纬度定位,提升命名准确率及工作效率,为后续绝缘子图像识别打下基础。(2)在对单阶段算法与两阶段算法进行比对后,本文选取YOLOv3目标检测算法实现绝缘子图像的目标检测,并使用Res Net分类模型完成缺陷种类划分。本文对YOLOv3算法的Darknet-53网络结构及激活函数、损失函数进行研究,并对现有YOLOv3算法进行改进,提出一种基于图片分块的目标检测算法对识别结果进行优化,加强了远距离航拍绝缘子图片的特征识别效果,提升识别准确度。(3)本文使用平移、旋转、镜像翻转、高斯模糊、加噪处理等方法将绝缘子缺陷图像原始数据集扩增至三倍;使用Label Img对绝缘子数据集进行标注,采用Tensor Flow框架进行深度学习,并对多种算法的置信度、精确率、召回率、m AP值、每秒传输帧数进行对比分析。本文使用Python编程语言,结合Pycharm、Py Qt5、Open CV完成对绝缘子缺陷检测系统的开发,并对其实际应用结果进行测试分析。(4)通过使用Visual Basic6.0、Adobe Dreamweaver CS5与数据库技术相结合,本文设计开发出输电线路故障管理本地系统及网页,方便运维人员在后期对以往缺陷数据进行统计与查询。本文将所开发的三种软件在广东电网某局的输电班组进行实际应用,帮助输电线路一线运维人员实现图像处理与故障统计,适应了未来数字化电网的发展,提高输电部门日常生产与运维效率。

基于深度学习的航拍图像中绝缘子缺陷检测的研究

这是一篇关于绝缘子,缺陷检测,图像处理,深度学习,注意力机制的论文, 主要内容为随着国家各行业平稳高速的发展,对电力的需求不断增加,输电线路也在不断扩张,仅到2016年底已达到175.6万千米,位居世界第一,但与之俱来的是对输电线路的安全运行问题也随之凸显。绝缘子是输电线路中最常见也也最易出现缺陷的部件之一,传统人工巡检由于人力资源消耗大、安全性差已经逐渐退出历史舞台,无人机航拍进行输电线路巡检已经变得越来越普及。随之而来是无人机航拍带来的大量图像数据需要进行故障排查,因此对航拍图像中绝缘子的缺陷检测具有很强的现实意义。本文开展了基于深度学习的航拍绝缘子缺陷检测方法研究,通过对比当前已有目标检测算法,挑选出检测精度与检测速度均较为突出的YOLOV4算法作为研究的基础算法。针对多方面采集的绝缘子开源图像,采用多种方法对数据集进行扩充,对绝缘子缺陷检测模型不断优化,主要做了以下三方面的工作:(1)提出了一种航拍绝缘子检测的YOLOV4改进模型,在传统YOLOV4网络中引入模型压缩、SENET注意力机制、CBAM注意力机制。通过稀疏训练通道剪枝删减冗余通道,将模型参数及大小减少75%,推断时间减少45%,在YOLOV4网络。通过对YOLOV4主干网络的三个位置分别添加SE注意力模块与CBAM注意力模块,搭建了六种改进网络,其中在YOLOV4主干网络最后一组残差块后加入CBAM注意力模块的YOLOV4-CBAM 3网络性能最好,特征提取热力图的效果最佳,运用该模型训练得到的绝缘子检测模型检测准确率为93.15%,比原生YOLOV4模型提高了2.67%。(2)提出一种级联检测网络,用于解决航拍绝缘子图像中缺陷占比过小问题,更加精准的检测航拍绝缘子图像中缺陷部位。该检测网络由两阶段检测网络组成,第一阶段使用整张航拍图像制组成的数据集,以YOLOV4S-CBAM网络结构训练获取绝缘子定位,第二阶段以航拍图像裁剪出的绝缘子图像为数据集,同样以YOLOV4S-CBAM网络结构训练获取绝缘子中缺陷部分定位。经实验验证,级联检测网络对绝缘子缺陷检测准确率为90.73%,相比原生YOLOV4模型提高了10.07%。(3)设计了一个绝缘子缺陷检测系统,该系统采用前后端分离的设计模式,前端采用VUE框架,后端采用Flask框架,将级联检测网络模型部署到Web端,使得级联检测网络模型在工程上有所应用,便于更多用户更便捷的使用该模型对航拍图像中绝缘子缺陷进行检测。

基于Java平台的绝缘子数据管理系统研究与实现

这是一篇关于绝缘子,数据库,Netbeans,Hibernate,核心业务的论文, 主要内容为绝缘子及瓷套是变电站运行的重要组成设备,起着支撑导线和绝缘作用。对绝缘子的有效管理和监控关系着整个电网安全。随着国家对电力系统信息化的投入加大,实现绝缘子的高效管理变得更加重要。因此,开发具有自主知识产权的绝缘子数据管理系统具有相当现实和长远的意义。整个绝缘子信息管理系统的开发包括三个大的部分:系统UI设计、后台数据库管理和系统核心业务设计。系统UI设计主要是为了提高软件系统的可用性,降低工作人员的使用难度,采用完全的图形化界面来实现信息系统的管理和操作。系统图形化界面让系统操作人员通过点击设备了解整个变电站的所有设备的当前状态,同时提供对供电局所辖变电站分布的了解,以及对变电站信息的可视化管理等。系统的UI设计是采用Java编程语言,并基于Netbeans开发平台所提供的模块化套件达到快速稳定的系统开发。后台数据库管理部分主要完成了绝缘子数据数据库的设计,数据持久化设计等操作。数据库采用了系统使用单位提供的正版SQL Server2000数据库管理系统。在数据库设计方面,经过分析变电站绝缘子信息系统涉及到的各个对象,找到实体之间的E-R关系,再根据映射关系设计相对应的实体,完成数据库系统的设计。在数据持久化设计方面,对面向对象技术与关系数据库理论进行了深入探讨,针对对象、关系的特点重点研究了它们之间的映射策略。通过对现行各种持久化技术的比较,选择了具有高效率高稳定性的Hibernate持久层框架。系统核心业务设计主要完成了网络功能、分级权限、可扩展能力、台帐功能、数据导入功能分析与设计。网络功能主要是要实现网络共享的功能。分级权限是完成系统使用人员的权限分级。可扩展能力是完成将来对新增设备或变电站的数据管理。台帐功能完成完成对35KV以上的绝缘子设备的台帐管理,包括检索、记录、统计等操作。数据导入功能则主要是完成系统与超声波探伤仪的接口和数据交换。系统核心业务的设计也是采用Netbeans平台提供的模块套件开发方式完成对各个核心业务模块的封装。整个软件系统经过较长时间的调试,能正常稳定的运行于Windows和Linux操作平台,此系统现已交付公司使用。从公司的反馈信息来看,系统工作稳定、界面美观,完成了预先提出的基本功能。