基于视频图像分析的风电机组故障自动识别技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 概述 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 风电机组状态监测的现状 | 第11-13页 |
| 1.2.2 智能视频监控技术研究现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 本文结构 | 第14-15页 |
| 第2章 风力发电机组及视频监控系统综述 | 第15-20页 |
| 2.1 风力发电机组基本组成结构 | 第15页 |
| 2.2 风电场智能视频监控系统组成 | 第15-16页 |
| 2.3 风力发电机组视频监控点描述 | 第16-20页 |
| 第3章 智能视频监控识别技术算法 | 第20-38页 |
| 3.1 图像预处理 | 第20-32页 |
| 3.1.1 颜色变换 | 第21-25页 |
| 3.1.2 形态学处理 | 第25-26页 |
| 3.1.3 图像增强 | 第26-31页 |
| 3.1.4 运动目标分割 | 第31-32页 |
| 3.2 特征提取 | 第32-36页 |
| 3.2.1 颜色统计特征提取 | 第32-33页 |
| 3.2.2 几何形状特征提取 | 第33-34页 |
| 3.2.3 纹理特征提取 | 第34-36页 |
| 3.3 判断识别 | 第36-37页 |
| 3.3.1 阈值判断法 | 第36-37页 |
| 3.3.2 模板匹配法 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于差分图法的塔筒入侵检测 | 第38-47页 |
| 4.1 图像预处理 | 第38-41页 |
| 4.1.1 灰度化 | 第39页 |
| 4.1.2 二值化 | 第39-40页 |
| 4.1.3 形态学处理 | 第40-41页 |
| 4.2 目标检测 | 第41-46页 |
| 4.2.1 更新背景模型 | 第41-44页 |
| 4.2.2 背景差分法获取入侵异物 | 第44-46页 |
| 4.3 特征提取及识别报警 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于纹理特征的机舱微弱火焰检测 | 第47-54页 |
| 5.1 风电机组火灾现状 | 第47页 |
| 5.2 风电消防技术应用现状 | 第47-48页 |
| 5.3 基于图像识别的微弱火焰自动检测 | 第48-53页 |
| 5.3.1 基于颜色特征提取火焰 | 第48-50页 |
| 5.3.2 火焰特征提取 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 基于颜色直方图的齿轮箱漏油检测 | 第54-58页 |
| 6.1 现存齿轮箱漏油检测装置及其局限性 | 第54-55页 |
| 6.2 基于颜色特征的齿轮箱漏油检测 | 第55-57页 |
| 6.3 本章小结 | 第57-58页 |
| 第7章 基于形状特征的纽缆保护套裂缝检测 | 第58-66页 |
| 7.1 纽缆保护套裂纹 | 第58-59页 |
| 7.2 图象预处理 | 第59-64页 |
| 7.2.1 灰度化 | 第60页 |
| 7.2.2 图像均衡化 | 第60-61页 |
| 7.2.3 图像滤波 | 第61-62页 |
| 7.2.4 图像增强 | 第62-63页 |
| 7.2.5 图像二值化 | 第63-64页 |
| 7.3 裂缝检测 | 第64-65页 |
| 7.4 本章小结 | 第65-66页 |
| 第8章 结论与展望 | 第66-67页 |
| 8.1 结论 | 第66页 |
| 8.2 展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士期间发表论文及参与的科研工作 | 第72-73页 |
| 致谢 | 第73页 |
