基于机器视觉深度学习的电站渗水检测识别技术研究

田伟; 姜泽界; 郭志鹏

首页> 中文期刊> 《电子设计工程》 >基于机器视觉深度学习的电站渗水检测识别技术研究

基于机器视觉深度学习的电站渗水检测识别技术研究

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对传统的人工检测水库库底排水巡检区域渗水、裂缝的方法存在对工作人员要求过高,检测结果误差过大,检测区域限制过大等缺点,文中提出了一种基于Canny算法与卷积神经网络的裂缝检测识别技术.首先,利用轮式机器人对水电站中可能存在的裂缝进行图像采集,接着借助Canny算法对图像进行预处理并制作成对比数据库,通过数据库训练出能够识别含有裂缝图像的卷积神经网络.最终,将卷积神经网络迁移至机器人的微主板中,使得机器人在巡检过程中可以对渗水、裂缝等异常现象及时报警.实验结果表明,基于本方案的裂缝图像识别率达98.33％,在实际巡检工作中能够发现绝大多数的渗漏危险并给予报警.

著录项

来源
《电子设计工程》 |2020年第20期|66-70|共5页
作者
田伟; 姜泽界; 郭志鹏;
展开▼
作者单位

华东天荒坪抽水蓄能有限责任公司浙江湖州313302;

华东天荒坪抽水蓄能有限责任公司浙江湖州313302;

华东天荒坪抽水蓄能有限责任公司浙江湖州313302;

展开▼
原文格式 PDF
正文语种 chi
中图分类 TP319.9;
关键词
Canny算子; 深度学习; 水库渗漏监测; 卷积神经网络;

相似文献

中文文献
外文文献
专利

1. 基于深度学习的变电站保护硬压板检测与状态识别技术研究 [J] . 杨雨 ,陈服 ,陈柏青 . 科技创新与应用 . 2021,第024期
2. 基于机器视觉与深度学习的船舶水尺智能识别技术研究与应用 [J] . 朱学海1 ,张帅1 ,张东星2 . 检验检疫学刊 . 2019,第002期
3. 基于机器视觉与深度学习的船舶水尺智能识别技术研究与应用 [J] . 朱学海 ,张帅 ,张东星 . 检验检疫学刊 . 2019,第002期
4. 基于深度学习的变电站硬压板状态检测与识别算法 [J] . 汪洋 ,黎恒烜 ,鄂士平 . 沈阳工业大学学报 . 2020,第006期
5. 基于深度学习的变电站设备油液渗漏检测识别 [J] . 武建华 ,梁利辉 ,张喆 . 广东电力 . 2020,第011期
6. 基于机器视觉的医药溶液在线异物检测与识别 [C] . 杨双 ,王耀南 . 湖南省第三届研究生创新论坛——信息与控制工程的新理论和新技术分论坛 . 2010
7. 基于深度学习的机器视觉目标识别与定位技术研究 [A] . 薛会 . 2020

基于机器视觉深度学习的电站渗水检测识别技术研究

摘要

著录项

相似文献

相关主题

期刊订阅