学位论文 > 优秀研究生学位论文题录展示

基于学习算法受电弓瓷瓶定位检测方法的研究

作　者: 王士成
导　师: 王泽勇
学　校: 西南交通大学
专　业: 光学工程
关键词: 定位检测受电弓瓷瓶 K-means聚类分割 BP神经网络 Adaboost算法
分类号: U264.34
类　型: 硕士论文
年　份: 2011年
下　载: 29次
引　用: 0次
阅　读: 论文下载

内容摘要

电力机车车顶受电弓绝缘瓷瓶是确保机车车顶绝缘及车辆安全正常行驶的关键部件。受电弓瓷瓶定位检测是电力机车检测的重要一个环节。目前采大多用人工排查的方法,存在任务繁重、检测效率低、存在安全隐患等问题。因此,有必要研究一种新的检测方法,使其能准确定位瓷瓶,又能极大提高工作效率文主要对机车车顶受电弓瓷瓶定位检测算法进行了研究。考虑到受电弓瓷瓶有不同类型,本文分析和探讨BP神经网络和Adaboost两种基于训练学习的算法,对不同种类的受电弓瓷瓶进行识别定位检测。在利用神经网络算法定位检测受电弓瓷瓶中,提出根据瓷瓶的彩色特征,利用K-means聚类分割算法对瓷瓶图像进行分割的方法,针对受电弓瓷瓶区域特征,选择七个瓷瓶形状参数作为特征向量,然后利用BP神经网络算法对选取的特征向量进行训练,从而实现了一个图像中多个目标瓷瓶的定位检测,较之于基于梯度特征的瓷瓶检测算法提高了检测的准确度及定位精度。为了获得高速在线运行的机车的受电弓瓷瓶图像,本文在前人的基础上搭建了高速机车受电弓瓷瓶采集系统,适用最大车速可达160km/h。最后将基于AdaBoost的目标定位检测算法用于现场环境下采集到的受电弓瓷瓶,给出了实验结果及误差分析。实验结果表明该算法与模板匹配定位检测算法相比,提高了定位检测的稳定度和适用性。

全文目录

摘要  6-7
Abstract  7-11
第1章绪论  11-15
  1.1 课题的研究意义  11-12
  1.2 国内外研究现状  12-14
  1.3 论文主要工作  14
  1.4 论文组织结构  14-15
第2章受电弓瓷瓶图像分割  15-30
  2.1 基于灰度的受电弓瓷瓶图像分割  15-21
    2.1.1 基于边缘的分割  15-18
    2.1.2 基于阈值的分割  18-21
  2.2 基于色彩的受电弓瓷瓶图像分割  21-26
    2.2.1 颜色空间基础  21-23
    2.2.2 K-means聚类分割  23-26
  2.3 K-means聚类分割实验结果  26-27
  2.4 受电弓瓷瓶图像形态学处理  27-30
第3章 BP神经网络瓷瓶识别定位  30-45
  3.1 人工神经网络基础  31-35
    3.1.1 神经元模型  31
    3.1.2 转移函数  31-33
    3.1.3 神经网络学习规则  33-34
    3.1.4 人工神经网络分类  34-35
  3.2 BP神经网络理论  35-39
    3.2.1 神经网络结构  35-36
    3.2.2 BP算法原理  36-39
  3.3 瓷瓶特征提取  39-40
  3.4 BP神经网络瓷瓶识别定位结果及分析  40-45
    3.4.1 BP神经网络训练  40-42
    3.4.2 彩色瓷瓶识别定位  42-43
    3.4.3 实验结果及分析  43-45
第4章基于Adaboost算法目标检测原理  45-54
  4.1 Adaboost算法原理  45-48
    4.1.1 Boosting算法概述  45-46
    4.1.2 Adaboost学习算法  46-48
  4.2 基于Adaboost算法的目标检测方法  48-54
    4.2.1 Haar-like矩形特征  48-49
    4.2.2 积分图  49-51
    4.2.3 弱分类器  51
    4.2.4 级联强分类器的构造  51-54
第5章基于Adaboost方法受电弓瓷瓶检测实验及结果  54-62
  5.1 动态在线受电弓瓷瓶图像采集系统  54-55
  5.2 基于Adaboost目标检测方法的瓷瓶检测实验  55-59
    5.2.1 训练样本集的选择和处理  55-57
    5.2.2 样本训练  57-58
    5.2.3 受电弓瓷瓶检测  58-59
  5.3 检测结果及分析  59-62
总结与展望  62-64
  论文工作总结  62
  未来工作展望  62-64
致谢  64-65
参考文献  65-68
附录  68-72
攻读硕士期间发表论文及成果  72

基于学习算法受电弓瓷瓶定位检测方法的研究

内容摘要

全文目录

相似论文