【摘 要】
：
传统红外人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,目前针对电流致热型缺陷较易识别,但缺少危害严重的电压致热型缺陷智能诊断方法研究,提出了一种基于旋转目标检测的变电设备电压致热型缺陷智能诊断方法。基于改进R3Det模型对瓷套进行旋转目标检测,基于Faster RCNN模型对红外图像中三相区域、套管、电流互感器等变电设备区域进行识别、定位;通过自动关联包含在三相区域中的同类设
论文部分内容阅读
传统红外人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,目前针对电流致热型缺陷较易识别,但缺少危害严重的电压致热型缺陷智能诊断方法研究,提出了一种基于旋转目标检测的变电设备电压致热型缺陷智能诊断方法。基于改进R3Det模型对瓷套进行旋转目标检测,基于Faster RCNN模型对红外图像中三相区域、套管、电流互感器等变电设备区域进行识别、定位;通过自动关联包含在三相区域中的同类设备,计算同类设备温差;基于温差阈值法进行电压致热型缺陷诊断。使用现场采集红外图像进行训练和测试,结果表明
其他文献
智能时代,人脸识别算法是智能身份认证的关键支撑技术之一,在门禁、手机解锁和金融支付领域有着重要应用。而人脸防伪识别则是用来增强其识别安全性,对抗伪造人脸攻击和鉴别真实人脸的防御性技术,相关研究颇多。其中基于LBP(local binary pattern)的人脸防伪算法综合性能较好,但是现有算法在噪声场景下的识别性能还难以令人满意。为此,文章提出基于相邻像素对的PLBP(pairwise loca
针对基于原始点对特征的三维目标识别算法中存在的效率低、易受干扰的问题,提出了一种分层全连接聚类算法来对三维目标进行识别。利用模型上的所有点对特征来完成全局模型的描述构建,并在局部坐标的二维空间上,利用投票方案和分层全连接聚类算法对候选位姿进行筛选,从而获得最优位姿。在UWA的数据集上的实验结果表明,与原始点对特征算法相比,所提出的分层全连接聚类算法在识别率和效率上都有一定程度的提升,并且该方法满足
轮廓检测是计算机视觉研究领域中最基础、最重要、最具挑战的问题之一。随着近年来深度学习的发展,视觉领域的其他研究方向取得了突破,例如目标检测、实例分割,这些逐渐证明了轮廓检测与其他研究方向的密切关系,因此轮廓检测任务也受到了越来越广泛的关注。文中讨论了多个主体内容,不仅包括对现有轮廓检测算法的细致回顾,而且根据轮廓检测提取特征的特点将其分为3个阶段即低层、中层和高层来介绍,还包括对应用到的数据集、性
生物光声成像(Photoacoustic Imaging, PAI)是一种新型的无创复合功能成像方法。生物组织不均匀的声学特性会使超声波在组织界面处发生反射,导致重建图像中存在伪影和失真,降低图像质量和成像深度。文中综述了目前抑制PAI声反射伪影的主要方法,包括延迟相减法、基于杂波去相关理论的方法、短滞后空间相干法、基于深度学习的方法、光声引导聚焦超声法、基于超声平面波模型的方法和多波长激励的方法
【目的】通过对混沌序列随机性的增强和可逆算法的研究,提出一种基于变参超混沌和可逆向量积的图像加密算法。【方法】提出的算法通过动态控制超混沌参数增强混沌序列的随机性,同时设计了一种可逆向量乘法运算规则。首先通过迭代变参超混沌系统得到混沌序列,其中一个混沌序列用来置乱图像,另外两个混沌序列生成两个整数随机密钥矩阵,按照可逆向量乘法运算规则分别左乘和右乘图像矩阵,完成加密的扩散过程,得到加密图像。【结果
Summer floods occur frequently in many regions of China,affecting economic development and social stability.Remote sensing is a new technique in disaster monitoring.In this study,the Sihu Basin in Hub
聚类算法被广泛应用于模式识别、信息检索、图像处理,以及自然语言处理等领域,GCS和SOM是两种常用的基于神经网络思想的聚类方式,很多学者在它们的基础上提出了不同的改进算法,GHTSOM(Growing Hierarchical Tree SOM)便是其中之一,对于数据分类较为清晰的应用场景效果良好,但不适用于干扰数据或者噪声数据较多的应用场景。利用图像处理中的腐蚀算法对GHTSOM算法进行优化,即
近年来,边缘计算和人工智能结合的模式越来越流行。面部动作单元(ActionUnit)检测分析是一种通过分析局部面部区域中某些原子肌肉运动的线索来识别面部表情的方法。根据面部特征点的检测,可以计算出AU的值,然后通过对这些AU值进行分类来进行实时情绪检测。然而,在实际的生产过程中,由于传输面部动作单元特征数据网络的开销巨大,这会给在生产中的通信网络带来新的挑战,因此可以选择使用树莓派,实验中设计了基
无监督域自适应方法通过源域标签数据学习到的知识对目标域无标签数据进行分类,成为目前迁移学习中解决两个域特征对齐的主流方法。针对现实中存在已标签数据量少且质量不高造成提取的特征不完备的情况,文中提出了基于自监督任务最优选择的无监督域自适应方法。为使特征具有更强的语义信息,在两个域未标记数据上使用了多个自监督任务;此外,针对进行自监督任务时的易混淆特征,提出了一种新的智能组合优化策略自适应地选择有效特
为提高多传感器融合图像的细节保持性与目标信息完整性,提出一种基于非下采样轮廓波变换(Non?Sub?sampling Contourlet transform,NSCT)与GoogLeNet神经网络模型相结合的异传感器图像融合算法。本文采用的异传感器图像为红外与可见光图像,首先将红外与可见光图像分别进行NSCT变换,分解得到一个低频子带系数和一系列多尺度、多方向的高频子带系数;然后将高频子带系数采