首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

太阳能光伏阵列识别及热斑检测技术的研究与实现

摘要第4-5页
abstract第5-6页
第一章 绪论第9-18页
    1.1 研究背景及意义第9-11页
    1.2 太阳能光伏产业的发展现状第11-13页
    1.3 热斑检测技术的研究现状第13-16页
        1.3.1 电气特性热斑检测研究现状第13-14页
        1.3.2 红外图像热斑检测研究现状第14-16页
    1.4 论文主要工作和结构安排第16-18页
        1.4.1 论文主要工作第16-17页
        1.4.2 论文结构安排第17-18页
第二章 光伏阵列热斑的红外特性第18-28页
    2.1 红外图像的获取和特点第18-21页
        2.1.1 红外热辐射第18页
        2.1.2 红外图像的获取第18-19页
        2.1.3 红外图像的特点第19-21页
    2.2 光伏阵列的输出特性与红外特性第21-25页
        2.2.1 太阳能光伏发电的原理第21页
        2.2.2 光伏阵列的输出特性第21-22页
        2.2.3 光伏阵列的红外温度特性第22-23页
        2.2.4 光伏阵列的红外成像特性第23-25页
    2.3 热斑的产生机理与红外特性第25-27页
        2.3.1 热斑的产生机理第25-26页
        2.3.2 热斑的红外温度特性第26页
        2.3.3 热斑的红外成像特性第26-27页
    2.4 本章小结第27-28页
第三章 基于自适应阈值分割算法的光伏阵列识别第28-44页
    3.1 基于无人机航拍光伏电站的热斑检测系统第28-32页
        3.1.1 系统概述第28页
        3.1.2 系统模块介绍第28-30页
        3.1.3 系统工作机制第30-31页
        3.1.4 系统应用价值第31-32页
    3.2 光伏电站红外图像的预处理第32-35页
        3.2.1 红外梯度图像的阈值分割第32页
        3.2.2 基于温度特性的阴影消除第32-33页
        3.2.3 基于局部方差的背景去除第33-34页
        3.2.4 预处理结果及分析第34-35页
    3.3 基于单高斯模型的自适应阈值分割第35-42页
        3.3.1 单高斯模型第35-36页
        3.3.2 参数估计第36页
        3.3.3 自适应阈值分割第36-37页
        3.3.4 基于形态学膨胀的区域连通第37-38页
        3.3.5 基于位置信息的区域调整第38-42页
    3.4 光伏阵列的识别结果第42-43页
        3.4.1 测试数据第42页
        3.4.2 实验结果及分析第42-43页
    3.5 本章小结第43-44页
第四章 基于改进K-means算法的光伏阵列识别第44-63页
    4.1 K-means算法及其改进第44-50页
        4.1.1 K-means算法第44-45页
        4.1.2 改进K-means算法第45-49页
        4.1.3 改进K-means算法性能分析第49-50页
    4.2 基于多帧红外图像的阈值分割第50-53页
        4.2.1 基于改进双边滤波的噪声去除第50-51页
        4.2.2 基于多帧红外图像的阈值设定第51-52页
        4.2.3 阈值化结果的对比分析第52-53页
    4.3 基于改进K-means算法的光伏阵列提取第53-61页
        4.3.1 连通区域的预处理第53-54页
        4.3.2 基于区域特征的预筛选第54-56页
        4.3.3 基于相似性度量的区域识别第56-59页
        4.3.4 基于相对位置的区域连通第59-61页
    4.4 实验结果及分析第61-62页
    4.5 本章小结第62-63页
第五章 基于光伏阵列区域的热斑检测第63-75页
    5.1 支持向量机的工作原理第63-66页
        5.1.1 支持向量机简介第63-64页
        5.1.2 分类模型构建的实质第64-66页
    5.2 基于支持向量机的热斑检测方法第66-72页
        5.2.1 热斑检测方法的整体框架第66页
        5.2.2 基于图像分块的预处理第66-68页
        5.2.3 特征提取及归一化第68-69页
        5.2.4 基于坐标位置的后处理第69-70页
        5.2.5 热斑检测结果的对比分析第70-72页
    5.3 热斑严重程度的分类第72-74页
        5.3.1 严重程度分类的意义第72-73页
        5.3.2 严重程度的分类标准第73页
        5.3.3 分类结果与分析第73-74页
    5.4 本章小结第74-75页
第六章 总结和展望第75-77页
    6.1 总结第75-76页
    6.2 展望第76-77页
参考文献第77-80页
附录1 攻读硕士学位期间发表论文及专利第80-81页
附录2 攻读硕士学位期间参加的科研项目第81-82页
致谢第82页

论文共82页,点击 下载论文
上一篇:核燃料棒智能识别与定位系统研究
下一篇:基于BIM的RC框架结构施工图审核优化技术研究