神经网络在电力系统绝缘子裂纹检测中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题的来源及研究的目的 | 第10-13页 |
| ·课题的来源 | 第10-12页 |
| ·研究的目的及意义 | 第12-13页 |
| ·图像处理和识别的研究历史和发展现状 | 第13-15页 |
| ·图像处理与识别的研究历史 | 第13-14页 |
| ·图像处理与识别的研究现状 | 第14-15页 |
| ·绝缘子检测的研究现状 | 第15-17页 |
| ·本课题研究的主要内容 | 第17-18页 |
| 第二章 检测系统设计 | 第18-23页 |
| ·检测系统的总体方案 | 第18-19页 |
| ·系统的硬件设计 | 第19-21页 |
| ·硬件系统总体构成 | 第19-20页 |
| ·硬件具体配置 | 第20页 |
| ·硬件系统 | 第20-21页 |
| ·系统的软件设计 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 绝缘子裂纹图像的预处理 | 第23-40页 |
| ·绝缘子裂纹图像的噪声消除 | 第24-26页 |
| ·平滑滤波 | 第24-25页 |
| ·中值滤波 | 第25-26页 |
| ·绝缘子裂纹图像的边缘检测 | 第26-32页 |
| ·绝缘子裂纹图像的分割 | 第32-39页 |
| ·基于最优阈值的图像分割 | 第32-34页 |
| ·绝缘子裂纹图像的二值化 | 第34-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 绝缘子裂纹的特征提取 | 第40-46页 |
| ·特征提取的概念 | 第40-41页 |
| ·特征值的提取 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 绝缘子裂纹的分类识别 | 第46-75页 |
| ·引言 | 第46-47页 |
| ·绝缘子裂纹类型 | 第47页 |
| ·人工样本的产生与样本数据 | 第47-50页 |
| ·支持向量机分类识别 | 第50-53页 |
| ·支持向量机的识别实验 | 第51-52页 |
| ·结果分析 | 第52-53页 |
| ·BP神经网络分类识别 | 第53-62页 |
| ·BP神经网络的理论基础 | 第53-57页 |
| ·BP算法的实现 | 第57-58页 |
| ·BP改进算法的实验比较 | 第58-60页 |
| ·BP神经网络识别实验 | 第60-62页 |
| ·结果分析 | 第62页 |
| ·径向基神经网络分类识别 | 第62-73页 |
| ·径向基神经网络的理论基础 | 第62-64页 |
| ·径向基神经网络的学习 | 第64-65页 |
| ·径向基神经网络识别实验 | 第65-73页 |
| ·结果分析 | 第73页 |
| ·各种分类识别的比较分析 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 总结和展望 | 第75-77页 |
| ·本文完成的主要工作 | 第75-76页 |
| ·有待进一步研究的问题 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 在学期间发表的论文 | 第82页 |
