图像处理在接触网吊弦缺陷检测中的应用
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 引言 | 第10页 |
| 1.2 选题意义及目的 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 国内研究现状 | 第11-12页 |
| 1.3.2 国外研究现状 | 第12-13页 |
| 1.3.3 相关技术研究 | 第13-15页 |
| 1.4 研究内容 | 第15-16页 |
| 第2章 吊弦缺陷检测理论基础 | 第16-38页 |
| 2.1 数字图像处理技术 | 第16-23页 |
| 2.1.1 图像变换 | 第16-17页 |
| 2.1.2 图像的增强 | 第17-18页 |
| 2.1.3 边缘检测 | 第18-23页 |
| 2.2 人工神经网络 | 第23-27页 |
| 2.2.1 神经元 | 第24页 |
| 2.2.2 激活函数 | 第24-25页 |
| 2.2.3 损失函数 | 第25页 |
| 2.2.4 神经网络模型 | 第25-27页 |
| 2.3 卷积神经网络 | 第27-29页 |
| 2.3.1 卷积神经网络基本结构 | 第27页 |
| 2.3.2 卷积神经网络基本原理 | 第27-29页 |
| 2.4 Faster R-CNN模型分析 | 第29-33页 |
| 2.4.1 卷积层 | 第29-30页 |
| 2.4.2 RPN网络 | 第30-33页 |
| 2.4.3 RoI Pooling层 | 第33页 |
| 2.4.4 分类层与定位层 | 第33页 |
| 2.5 Faster R-CNN训练流程 | 第33-36页 |
| 2.5.1 训练RPN网络 | 第34页 |
| 2.5.2 训练Fast R-CNN网络 | 第34页 |
| 2.5.3 训练Faster R-CNN | 第34-36页 |
| 2.6 Caffe框架 | 第36-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第3章 吊弦图像采集系统与图像获取方法 | 第38-46页 |
| 3.1 吊弦图像采集环境的构建 | 第38-42页 |
| 3.1.1 工业相机 | 第38-39页 |
| 3.1.2 光学镜头 | 第39-40页 |
| 3.1.3 光源选择 | 第40-41页 |
| 3.1.4 运行车速的理论计算 | 第41页 |
| 3.1.5 实际运行车速 | 第41页 |
| 3.1.6 拍摄时间的选取 | 第41-42页 |
| 3.2 吊弦图像采集的整体设备结构 | 第42页 |
| 3.3 智能检测系统构成 | 第42-45页 |
| 3.3.1 图像处理系统构成 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 接触网吊弦的检出 | 第46-54页 |
| 4.1 吊弦检出的作用 | 第46-48页 |
| 4.2 高频相机图像的分类 | 第48-52页 |
| 4.2.1 网络结构与参数设置 | 第48-50页 |
| 4.2.2 网络训练 | 第50页 |
| 4.2.3 传统图像处理的吊弦检出 | 第50-52页 |
| 4.3 实验结果及分析 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 吊弦缺陷图像处理与分析 | 第54-79页 |
| 5.1 吊弦的作用及分类 | 第54-58页 |
| 5.1.1 接触网吊弦的作用 | 第54-55页 |
| 5.1.2 吊弦的种类 | 第55-57页 |
| 5.1.3 吊弦缺陷分类 | 第57-58页 |
| 5.2 吊弦图像预处理 | 第58-61页 |
| 5.2.1 亮度校正和消除运动模糊 | 第59页 |
| 5.2.2 图像的阈值分割 | 第59-61页 |
| 5.2.3 训练样本增强 | 第61页 |
| 5.3 吊弦区域的定位 | 第61-66页 |
| 5.3.1 基于深度学习的吊弦定位方法 | 第61-62页 |
| 5.3.2 训练数据的标注 | 第62-63页 |
| 5.3.3 深度学习训练模型的选择 | 第63-64页 |
| 5.3.4 模型训练及参数调整 | 第64-65页 |
| 5.3.5 实验结果及分析 | 第65-66页 |
| 5.4 吊弦区域的分割与边缘提取 | 第66-73页 |
| 5.4.1 吊弦图像的分割 | 第67-68页 |
| 5.4.2 吊弦的边缘提取 | 第68-71页 |
| 5.4.3 边缘获取实验对比 | 第71-73页 |
| 5.5 吊弦缺陷的检出 | 第73-78页 |
| 5.5.1 吊弦正常、断裂、不受力的检出 | 第73-74页 |
| 5.5.2 吊弦散股及螺栓松脱的检出 | 第74-78页 |
| 5.6 本章小结 | 第78-79页 |
| 第6章 实验结果与分析 | 第79-99页 |
| 6.1 实验环境 | 第79页 |
| 6.1.1 实验数据 | 第79页 |
| 6.2 数据预处理 | 第79-80页 |
| 6.3 定位模型的训练 | 第80-88页 |
| 6.3.1 YOLO和SSD定位网络 | 第80-81页 |
| 6.3.2 模型训练及表现 | 第81-88页 |
| 6.4 吊弦线的提取策略 | 第88-90页 |
| 6.5 分类模型的训练 | 第90-94页 |
| 6.5.1 AlexNet与ResNet分类网络 | 第90-91页 |
| 6.5.2 模型训练及测表现 | 第91-94页 |
| 6.6 实验测试与问题分析 | 第94-98页 |
| 6.7 本章小结 | 第98-99页 |
| 结论与展望 | 第99-101页 |
| 致谢 | 第101-102页 |
| 参考文献 | 第102-106页 |
| 攻读硕士期间发表论文及科研情况 | 第106页 |
