基于卷积神经网络的变电站监控图像识别方法研究

《基于卷积神经网络的变电站监控图像识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、—－－＇广．＇：一＇乂＇，Ｃ戶心三Ｖ’祥巧与－＾－；Ｖ，．．．＇－■：－．‘、．—ａｔ．．－－．ｖ．？一＼：，Ｖ、山二和占，、＇？著■■＇＂■－■＾－ｒ—■－■－－Ｖ．：—：：４，．；举雰丈瞧■．■？＂＇‘．．－．■■：．＇：鸿节：记．：７；：皆：煤．ｒ马Ｖ帶。Ｃ‘．＇■＇■＇．、：‘柄聲人．；—飞，、．舉＼专请＇＇■＊？■■■■■－？－■■■■■：：｝／．１片，■‘＇＇＇■．■＇

2、■＂；＇：－■＞，＇．Ｊ；冷，．进．４ｉ；广為却心．訂贴挙栓絶菱：禱．１—事产‘．：Ｖ，－，聲‘片、产—－‘常＂碁韦ｆ賴紳经网络变帝站监控图像品卢白ｑ冷？—识剖宛殘吿，玲＾聯載■．‘＇，—＇■＇■’－？；■？，；口．ｉ：■－；６ＲｅｓｅａｒｃｈｏｆＳ甘ｂｓｆａｔｉｏｎＭｏｎＵｃｉ扫Ｉｉｔｉ為ｇｅ坟ｅｃｏｎｉｔｉｏ打（的ｇｇｉｃｈ？£少ｏｎｒＣｏｎｌｉａＷｌｉｒａｌＮｅｔ涕Ｐ藥別衍０ｗｏｒｋ

3、ｓＰ麵巧ｊ每吟■’Ｊ‘－．＇‘’＇．．’，．－．．，＇人：，心或巧啤Ｖ义Ｉ＼．＇＂＇■■■？＾？＇＇？■：＜．：；．＼；ｖ．，＇■／－？－■－－．：：Ｘ：Ｖ．．：；／．．，＇．－‘－－？；＾■’：＜ｉ．Ｉ－＇。．，．．方ｊ－■．，＇－ｔ■：－－■－■－－、＊■－二－‘：一：？．ｆ■＇－ｒ．、＼；苦‘ｒ訂■．．－诚，’亡卢Ｖ．解Ｖ／＂．＇连‘別論０．，’

4、读审：申／Ｖ．．＼－Ｉ：；—－．－－＇．；／＇．，＆．山．，＇：‘Ｉ支＇、－：＇子ｙｒＶｆＡ＼ｖｗ＃’丫－．－祗．：：试把．；＿：：．＇．＇．－．Ｖ：．Ｖ产５１２．．滯Ｕ年府把，１ｒ＇．■■４＿＇’，，占：￣－三－Ｖ｜Ａ，：，，．：－－／；．：＇’．－＇＇’．．－．＾、：．＇八（节＇ｒｆ产钱／心＇’’＇．－＇．＇、．＇．＇＇．＇；：＇’＊．．．．＇，’＜

5、．古．．．．乐呼＾‘：．，束：．．，，号ｖ：別，；．＞／５＼＇；．．．．；，／．．乃Ｋｗ；Ｖ诚本ＶＶ怎斗．皆’＇■＇、巧？’一－＇．‘‘：‘■＾；子；：’■沪ｖｂｆ／■；吃在ｙ；＾中户；国内图书分类号：TP391.4学校代码：10079国际图书分类号：621.3密级：公开硕士学位论文基于卷积神经网络的变电站监控图像识别方法研究硕士研究生：赵继生导师：余萍申请学位：工学硕士学科：信息与通信工程专业：信号与信息处理所在学院：电气与电子工程学院答

6、辩日期：2016年3月授予学位单位：华北电力大学ClassifiedIndex:TP391.4U.D.C:621.3ThesisfortheMasterDegreeResearchofSubstationMonitoringImageRecognitionApproachBasedonConvolutionalNeuralNetworksCandidate：ZhaoJishengSupervisor：Prof.YuPingSchoolofElectricalandElectronicSchool

7、：EngineeringDateofDefence：March,2016Degree-Conferring-Institution：NorthChinaElectricPowerUniversity华北电力大学硕士学位论文摘要随着电力系统生产自动化水平的不断提高，越来越多的变电站实现了无人值守运行模式，采用数字图像处理技术对监控图像进行分析与识别，大大提高了无人值守变电站运行的安全性和可靠性。为了实现对变电站监控图像智能识别的任务，采用深度学习技术为解决该问题提供了一个重要的方向。深度学习模仿人

8、脑的视觉机制来学习样本数据之间的内在规律和表示层次，能够深刻表达数据的本质特征，是机器学习领域中一个备受关注的研究方向。卷积神经网络是深度学习模型中最为高效的一种图像识别技术，可以直接将原始图像作为网络的输入，对于识别具有旋转、平移、缩放或者其他扭曲不变形式的物体有很好的鲁棒性。本文在对卷积神经网络进行深入理论研究的基础上，将其应用于变电站监控图像的异常识别中。本文基于线性修正函数和柔性光滑函数的优点，提出了一种使用非线性修正函数作为神经元激励的方法，非线性修正函数不仅具备稀疏表达的能力，而且将