基于红外热像的瓷绝缘子污秽等级检测方法研究
| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 前言 | 第11-18页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究的目的与意义 | 第14-15页 |
| 1.4 研究的主要内容与方法 | 第15-17页 |
| 1.4.1 研究的主要内容 | 第15页 |
| 1.4.2 研究方法 | 第15-16页 |
| 1.4.3 本文研究创新点 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 利用红外热像检测绝缘子污秽程度方案设计 | 第18-26页 |
| 2.1 红外热像检测的基本原理及判别方法 | 第18-21页 |
| 2.1.1 红外热像检测的基本原理 | 第18-20页 |
| 2.1.2 检测的常用判别方法 | 第20-21页 |
| 2.2 红外热像在污秽等级检测中的应用 | 第21-23页 |
| 2.2.1 红外热像中噪声及去噪方法 | 第21-22页 |
| 2.2.2 红外热像分割算法 | 第22-23页 |
| 2.3 整体方案设计 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 污秽绝缘子图像预处理 | 第26-43页 |
| 3.1 污秽绝缘子红外图像特点分析 | 第26页 |
| 3.2 污秽绝缘子红外图像的去噪 | 第26-30页 |
| 3.3 污秽绝缘子特征图像的提取 | 第30-33页 |
| 3.4 污秽绝缘子红外图像的分割 | 第33-40页 |
| 3.4.1 图像分割的基本理论 | 第37-33页 |
| 3.4.2 分割阈值的提取方法 | 第33-40页 |
| 3.5 数学形态学修正 | 第40-41页 |
| 3.5.1 数学形态学简介 | 第40页 |
| 3.5.2 数学形态学运算及修正 | 第40-41页 |
| 3.6 本章小结 | 第41-43页 |
| 4 基于BP神经网络的绝缘子污秽程度识别方法 | 第43-59页 |
| 4.1 人工神经网络原理介绍 | 第43-54页 |
| 4.1.1 BP神经网络的原理及结构 | 第44-47页 |
| 4.1.2 BP神经网络的学习算法 | 第47-49页 |
| 4.1.3 BP神经网络的阈值调整算法 | 第49-50页 |
| 4.1.4 BP神经网络的参数选取 | 第50-54页 |
| 4.2 样本图像的获取 | 第54-56页 |
| 4.3 图像特征值的提取 | 第56-57页 |
| 4.4 基于BP神经网络的污秽等级识别模型 | 第57-58页 |
| 4.4.1 模型输入矢量的归一化处理 | 第57页 |
| 4.4.2 识别模型的设计 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 绝缘子污秽等级分级系统实验 | 第59-63页 |
| 5.1 实验过程设计 | 第59-60页 |
| 5.2 实验图像及数据结果 | 第60页 |
| 5.3 分级测试结果分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 6 结论 | 第63-64页 |
| 6.1 结论 | 第63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70页 |
