首页--工业技术论文--电工技术论文--发电、发电厂论文--变电所论文

基于深度学习的变电站开关状态识别系统的设计与实现

摘要第4-5页
abstract第5-6页
第1章 绪论第11-15页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究现状第12-13页
    1.3 论文研究的主要内容第13-14页
    1.4 论文结构安排第14-15页
第2章 理论基础与相关技术背景第15-27页
    2.1 图像识别第15-16页
    2.2 人工神经网络第16-19页
        2.2.1 神经元第16-17页
        2.2.2 BP神经元第17-19页
    2.3 卷积神经网络第19-20页
        2.3.1 卷积原理第19页
        2.3.2 局部感知与参数共享第19-20页
    2.4 基于候选区域的目标检测方法第20-25页
        2.4.1 R-CNN模型第20-22页
        2.4.2 Fast R-CNN模型第22-23页
        2.4.3 Faster R-CNN模型第23-25页
    2.5 深度学习框架Caffe第25页
    2.6 本章小结第25-27页
第3章 基于改进Faster R-CNN的变电站开关状态识别算法第27-45页
    3.1 改进Faster R-CNN的变电站开关状态识别算法第27-37页
        3.1.1 Faster R-CNN算法的改进策略第27-29页
        3.1.2 数据扩增第29-31页
        3.1.3 特征融合第31-33页
        3.1.4 候选框聚类第33-35页
        3.1.5 Soft-NMS后处理方法第35-37页
    3.2 FasterR-CNN算法改进策略的剥离实验第37-41页
        3.2.1 模型训练与关键参数设置第37-38页
        3.2.2 算法评价指标第38-40页
        3.2.3 实验设计与结果分析第40-41页
    3.3 改进 Faster R-CNN算法与现有方法对比实验第41-43页
    3.4 本章小结第43-45页
第4章 变电站开关状态识别系统设计与实现第45-61页
    4.1 系统整体概述第45-47页
    4.2 系统需求分析第47-49页
    4.3 系统架构第49-51页
        4.3.1 系统总体架构设计第49页
        4.3.2 系统功能架构第49-51页
    4.4 系统详细设计与实现第51-59页
        4.4.1 用户管理模块第51-53页
        4.4.2 图片上传模块第53-55页
        4.4.3 图片识别模块第55-57页
        4.4.4 识别信息管理模块第57-58页
        4.4.5 数据集管理模块第58-59页
    4.5 本章小结第59-61页
第5章 变电站开关状态识别系统测试第61-69页
    5.1 测试环境第61-62页
    5.2 测试工具第62-63页
    5.3 功能测试第63-66页
    5.4 性能测试第66-67页
    5.5 本章小结第67-69页
总结语第69-71页
参考文献第71-75页
致谢第75-77页
作者简历及攻读学位期间发表的学术论文与研究成果第77页

论文共77页,点击 下载论文
上一篇:勃拉姆斯《G大调第一小提琴与钢琴奏鸣曲》(OP.78)作品及演绎探究
下一篇:天然生长促进剂Alquernat Nebsui对保育猪生长及抗氧化、免疫功能的影响