基于深度迁移学习的光学图像输电塔检测识别算法研究

论文摘要

高压输电塔是电力输送系统中最重要的基础设施之一,其运行状态决定着整个电网的运行稳定和安全,对其进行检测识别是高压输电塔运行状态监测的基础,也是高压输电线路监测的重要部分。另一方面,随着光学遥感技术的迅猛发展,卫星图像的分辨率和质量越来越高,利用光学遥感图像进行电网输电线路运行状态的广域监测已成为遥感应用研究的发展方向。传统检测识别方法的人工设计特征过程复杂,尽管可以通过卷积网络并利用深度学习的方法构建端到端检测识别模型,但在实际应用中通常难以满足深度学习对数量和标注质量的要求。本文即是针对该问题,开展目标域小样本数据库及网络框架设计、基于深度迁移学习的高压输电塔检测识别方法研究,并开展实验验证及分析。主要研究工作如下:(1)目标域数据库及网络框架设计。针对实际应用中难以满足深度学习对大量且高质量标注样本需求的问题,通过对筛选真实数据集的旋转和翻转、亮度和饱和度变化、扭曲变形、缩放等操作,实现目标域小样本数据增强,降低模型对数据完整覆盖性的要求,为后续检测识别模型迁移提供必要的数据支持。另一方面,结合卷积神经网络基本理论、经典卷积网络的研究与分析,选取Inception特征提取模块和RPN区域推荐模块构建多尺度融合特征的目标检测识别神经网络,实现面向目标域小样本的遥感图像高压输电塔端对端检测识别深度卷积神经网络框架设计,为后续基于深度迁移学习的高压输电塔检测识别网络卷积层参数设计提供基础支持。(2)基于深度迁移学习的高压输电塔检测识别方法研究。为实现端到端检测识别以及进一步降低模型对数据样本的需求,在模型参数层面开展基于多任务学习和微调的深度迁移学习方法研究,并给出迁移学习的方法流程。在网络框架设计的基础上对深度网络的功能模块进行设计,给出网络的各层参数设计,并确定损失函数,在对经典网络经验总结基础上进行超参数设定。综合考虑导数计算的高效性、模型参数的收敛性、网络更新的稳定性等因素,选择SGD(批量梯度下降)与Momentum(动量)方法组合进行参数更新。为满足目标域数据和源域数据在模型底层特征相似的要求,选择遥感算法大型开发和测试数据DOTA数据集作为微调源域数据,并完成网络训练,实现基于目标域小样本的高压输电塔端到端检测识别。(3)高压输电塔检测识别算法实验验证。在对基于深度迁移学习的高压输电塔检测识别方法实现的基础上,对现有真实遥感数据进行增强获取测试数据集,利用混淆矩阵,统计分析电塔倒塌、截断、正常等目标不同状态、不同背景类型、不同光照、目标不同大小以及是否迁移等情况下的检测识别准确率、精确率、查全率等性能指标。实验结果表明:尽管在目标域小样本条件下,本论文提出的高压输电塔检测识别算法仍具有较高的检测识别概率,可为实际高压输电线路运行状态监测与告警提供科学依据与技术支持。

论文目录

文章来源

类型: 硕士论文

作者: 俞利健

导师: 智喜洋

关键词: 高压输电塔,光学遥感图像,深度学习,卷积神经网络,迁移学习

来源: 哈尔滨工业大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 物理学,工业通用技术及设备,电力工业,自动化技术

单位: 哈尔滨工业大学

分类号: TM75;TP751;O439

DOI: 10.27061/d.cnki.ghgdu.2019.004876

总页数: 81

文件大小: 3036K

下载量: 138

相关论文文献

• [1].光电成像目标检测识别跟踪平台建设探索[J]. 电气电子教学学报 2020(03)
• [2].高分辨率遥感图像中油库的检测识别[J]. 华中科技大学学报(自然科学版) 2011(S2)
• [3].铁路人脸检测识别技术应用探讨[J]. 中国铁路 2015(08)
• [4].新形势下红外成像导引头目标检测识别共性技术分析[J]. 科技与创新 2016(19)
• [5].基于双通道的快速低空无人机检测识别方法[J]. 光学学报 2019(12)
• [6].番茄病害检测识别方法的构建与应用[J]. 贵州农业科学 2020(10)
• [7].高空域噪声影响下的目标检测识别方法研究[J]. 现代防御技术 2008(01)
• [8].基于颜色属性的信号指示灯检测识别[J]. 现代计算机(专业版) 2018(07)
• [9].烟草分拣线条烟烟姿检测识别装置的设计与实现[J]. 科技创新导报 2015(06)
• [10].基于Gabor小波的人脸检测识别方法研究[J]. 无线互联科技 2013(01)
• [11].输电线路除冰机器人障碍视觉检测识别算法[J]. 仪器仪表学报 2011(11)
• [12].基于RAM-MS320C6x的高速套牌车检测识别系统设计[J]. 现代电子技术 2016(10)
• [13].红外成像导引头目标检测识别共性技术综述[J]. 上海航天 2015(01)
• [14].基于改进SSD模型的交通路标检测识别研究[J]. 信息记录材料 2020(04)
• [15].基于单片机的智能水下目标检测识别系统设计[J]. 电子制作 2019(01)
• [16].遥感舰船目标检测识别方法[J]. 遥感信息 2020(01)
• [17].ARP攻击的检测识别与防范[J]. 网络安全和信息化 2017(03)
• [18].检测识别跟踪分离的在线多样本视频目标跟踪[J]. 计算机工程 2012(23)
• [19].无人机基于视觉自主着陆的跑道识别跟踪[J]. 单片机与嵌入式系统应用 2017(06)
• [20].基于FPGA人脸检测识别平台的构建[J]. 电声技术 2019(02)
• [21].基于有限元离散的不规则管道几何边界红外瞬态检测识别[J]. 化工学报 2012(12)
• [22].基于机器视觉深度学习的电站渗水检测识别技术研究[J]. 电子设计工程 2020(20)
• [23].基于可见光遥感图像的船只目标检测识别方法[J]. 科技导报 2017(20)
• [24].移动机器人检测识别技术的研究[J]. 电气自动化 2015(06)
• [25].高压输电线路巡线机器人障碍物视觉检测识别研究[J]. 传感技术学报 2008(12)
• [26].机器学习在桥梁病害检测识别中的研究应用进展[J]. 公路交通科技(应用技术版) 2019(09)
• [27].基于负熵的人员脚步震动信号检测识别算法[J]. 小型微型计算机系统 2010(01)
• [28].基于计算机视觉的手势检测识别技术[J]. 电脑迷 2017(11)
• [29].基于优化YOLOv3的低空无人机检测识别方法[J]. 激光与光电子学进展 2019(20)
• [30].基于Hough树林的空间有形目标特征训练与检测识别方法[J]. 红外与激光工程 2011(08)

标签：高压输电塔论文;  光学遥感图像论文;  深度学习论文;  卷积神经网络论文;  迁移学习论文;