基于神经网络和不变矩的绝缘子裂纹类型识别

基于神经网络和不变矩的绝缘子裂纹类型识别

ID:32468473

大小:8.25 MB

页数:50页

时间:2019-02-06

基于神经网络和不变矩的绝缘子裂纹类型识别_第1页
基于神经网络和不变矩的绝缘子裂纹类型识别_第2页
基于神经网络和不变矩的绝缘子裂纹类型识别_第3页
基于神经网络和不变矩的绝缘子裂纹类型识别_第4页
基于神经网络和不变矩的绝缘子裂纹类型识别_第5页
资源描述:

《基于神经网络和不变矩的绝缘子裂纹类型识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、江苏大学硕士学位论文摘要,高压输电线路智能巡检机器人是随着输电工程技术发展的需要而产生的。此类机器人系统可以在输电线路上实现监控状态下的自主行走与视觉监视,跨越塔杆等作业,大大减轻了输电维护人员的劳动强度和难度,提高了巡检的效率和质量,对于输电系统得安全可靠运行具有重要意义。而随着数字图像处理和人工智能两门技术的不断发展,使得高压输电线路的智能检测成为可能.本论文的课题来源为国家863基金项目,课题名称为“高压输电线路带电作业机器人智能控制器”.此课题主要围绕高压输电机器人检测开展研究工作,而本文所研究的就是其中一部分,对高压输电线路中绝缘子裂纹的检测和分类识别。本文研究的重点

2、是利用图像识别的方法,通过模拟机器人的视觉系统,检测高压输电线路中绝缘子的裂纹及完成裂纹的分类识别。先通过硬件设备,采集到目标的图像信息,传输给计算机,再由软件完成图像的预处理、图像分割、特征提取和分类识别等一系列工作。文中,图像经过预处理之后,在图像的分割中,提出了一种根据像素划分子块图像的方法,能够在二值化的同时较好的排除非裂纹目标;在特征提取中,基于二值化得到的模式矩阵计算绝缘子裂纹图象的不变矩,以此作为下文神经网络的输入向量;最后,设计基于BP神经网络的神经网络分类器,将特征向量输入神经网络进行模式识别和分类,完成对裂纹三种状态:单裂纹、网状裂纹和块状裂纹的识别。关键词

3、:图像处理,图像分割,特征提取,不变矩,神经网络江苏大学硕士学位论文ABSTRACT111eintelligentpa仃0lmbotofHigll-voltagetransmissionlineinspcctionpmduccdwimmetIan锄ission∞百ne嘶ng卸dtecllIlologydcvelopment.Therobotsystelnscanobsenrethepowerlines锄dt砌smitthcvideosigilalt0∞peⅣisions诅tion卸tomatically.T11estyle·wo墩ingwillgreatlyeasepeople

4、’sworkconditionandimproVet11epanDle舔ciencyaIIdreliability.Tbedcvejopmentofdigitalimagcprocessingalldanificialintclligencemaj【esitpossiblefbrⅡ地Hi曲·VoltagetransmissionlineimelligentinspectiOn.‘rhestudiedtitleiscomef.romnational“863”如ndprojects:IntelligentControllerforHigh—V01tageTransmissionLi

5、neChargedRobot。Basedonimagerecognition,insulatorcracl【sandachievestheclassi丘cationsofthecrackscaIlbed酏ectedbysimulatingVisionsystemofrobot.nlcimagesinfonnationcanbec印tIlrcdbythehardware,锄dthencompletestheimagepretreatment,meimagesegnlent,mef翰tIlreextractionandtheclassifiedrecognition.Totllei

6、magesegment,ametllodisputfo九ⅣardthattheimagecanbediVidedbypixelsofsub.blockimageinthispap既Inadditioll,mismethodcanalsodistinguishcrackandnon—crackgoal.neglobalfeaturesofinsulatorcracl(simagecanbeextractedbytheinv撕antmomemsofsub-blockimagematrix.Last,thecIassificationSaredesi印edbasedonBPneuml

7、networkwhichidemi矽insulatorcracl(softh:rccclassifications:Sin91ecracks,massivecracksa11dmeshcracks.KEYWORDS:ima驴pmcessing'inlagesegment'featu比extractio^theiⅡvariaHtmoments,neuralne锕orkU学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。