基于深度学习的输电线路防外力破坏监测系统研究

《基于深度学习的输电线路防外力破坏监测系统研究》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、分类号：密级：ＵＤＣ：编号：工学硕士学位论文基于深度学习的输电线路防外力破坏监测系统研究硕士研究生：吕宁指导教师：项学智副教授学科、专业：信息与通信工程论文主审人：陈涛教授哈尔滨工程大学２０１８年４月分类号：密级：UDC：编号：工学硕士学位论文基于深度学习的输电线路防外力破坏监测系统研究硕士研究生：吕宁指导教师：项学智副教授学位级别：工学硕士学科、专业：信息与通信工程所在单位：信息与通信工程学院论文提交日期：2018年4月论文答辩日期：2018年6月学位授

2、予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationfortheDegreeofM.EngResearchontheSurveillanceSystemofPreventingfromExternalDamegeforTransimissionLineBasedonDeepLearningCandidate:NingLvSupervisor:Prof.XuezhiXiangAcademicDegreeAppliedfor:MasterofEngineering

3、Specialty:InformationandCommunicationEngineeringDateofSubmission:April,2018DateofOralExamination:June,2018University:HarbinEngineeringUniversity基于深度学习的输电线路防外力破坏监测系统研究摘要电力资源是国民经济的命脉，国家各类产业的快速发展离不开电力系统的安全稳定运行。21世纪以来，我国的城乡一体化建设进程不断加快，电网规模逐渐扩大。与此同时，外力破坏导致电

4、网停运的事故频繁发生，其中绝大多数是因大型工程机械违章施工等行为导致的。为了预防外力破坏事故，工作人员采取了人工巡视、架设红外传感器、搭建激光雷达探测装置等方法，但这些方法存在漏警率和误警率高，易受环境影响等缺点。近年来，国家电网公司提出了建设智能电网战略，大力推广视频监控技术在电网运行中的应用。在此应用背景下，本课题构建了一种基于深度学习的输电线路防外力破坏智能监测系统，该系统能够实现实时监控、精确检测、及时报警等功能，保障了输电线路的安全运行。本课题在所构建的防外力破坏智能监测系统中采用了基于深

5、度学习方法的目标检测模型，该模型在FasterR-CNN框架的基础上改进了网络结构，通过增加目标分类网络的网络层数来增强网络对目标的识别能力。在迁移学习理念的指导下，采用了模型微调法对目标检测模型进行训练，其中所用到的参数初始化模型是VGG_CNN_M_1024中型网络。制作输电线路场景数据集时，首先从现场采集的图像中筛选出一部分样本图像，然后对这些图像中的目标进行标注，建立了适用于基于深度学习的目标检测模型训练的工程机械数据集。在输电线路场景工程机械数据集上对本课题提出的改进模型进行了5折交叉实验

6、验证。实验结果表明，该模型能够精确地对输电线路走廊内的目标进行定位和识别，在测试集上达到89.93%的平均精度。关键词：工程机械检测；FasterR-CNN；迁移学习基于深度学习的输电线路防外力破坏监测系统研究ABSTRACTStableandreliableoperationofthepowersystemisthefundamentalguaranteeforthedevelopmentofthepowersupplysecurity.Inrecentyears,withthedevelopme

7、ntoftheconstructionoftheurbaninfrastructure,theareaofpowersupplyprotectionisinvadedbythevariousengineeringvehiclesconstantly,especiallyforbulldozersandexcavators,whichposeaseriousthreattothesecurityofpowersupply.Topreventtheaccidentofexternalforcedamag

8、e,thestaffhasadoptedsomemethodssuchasmanualinspection,installationofinfraredsensorsandsetuplaserradardetectiondevices.However,thesemethodshavedisadvantagesofhighfalsealarmrate,lowrecallrate,andvulnerabilitytoenvironmentalinfluences.Inre