| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 无人机输电线路航拍巡检的研究发展现状 | 第11-12页 |
| 1.2.2 输电线路关键设备识别方法的研究发展现状 | 第12-13页 |
| 1.2.3 输电线路关键设备故障检测研究现状 | 第13-14页 |
| 1.2.4 深度学习算法研究现状 | 第14-15页 |
| 1.3 主要研究内容及论文结构安排 | 第15-17页 |
| 第2章 3D样本库的建立 | 第17-22页 |
| 2.1 样本库设计整体思路 | 第17-18页 |
| 2.2 软件平台的选择 | 第18页 |
| 2.3 输电线路关键设备模型的建立 | 第18-21页 |
| 2.3.1 绝缘子模型的建立 | 第18-20页 |
| 2.3.2 防振锤模型的建立 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于CN_CNN网络的关键部件识别 | 第22-37页 |
| 3.1 算法总体流程 | 第22-23页 |
| 3.2 CN_CNN网络 | 第23-30页 |
| 3.2.1 基于颜色名称的预选图划分方法 | 第23-25页 |
| 3.2.2 深度卷积神经网络识别方法 | 第25-30页 |
| 3.3 基于CN_CNN网络的识别 | 第30-35页 |
| 3.3.1 识别网络模型的训练 | 第30-33页 |
| 3.3.2 模型应用中关键设备的识别 | 第33-35页 |
| 3.4 识别结果分析与比较 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于特征自适应模型的绝缘子故障检测方法 | 第37-41页 |
| 4.1 基于形态特征自适应模型的绝缘子掉串检测 | 第37-40页 |
| 4.1.1 形态学原理 | 第37-38页 |
| 4.1.2 形态特征自适应模型 | 第38-39页 |
| 4.1.3 检测结果分析与比较 | 第39-40页 |
| 4.2 本章小结 | 第40-41页 |
| 第5章 总结和展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第45-46页 |
| 致谢 | 第46页 |