Luận văn Thạc sĩ Công nghệ thông tin: Nghiên cứu, ứng dụng học sâu trong phát hiện cột điện và các thiết bị trên đường dây truyền tải điện từ ảnh UAV

Nghiên Cứu, Ứng Dụng Học Sâu Trong Phát Hiện Cột Điện Và Các Thiết Bị Trên Đường Dây Truyền Tải Điện Từ Ảnh UAV

Tác giả: Phạm Hồng Long

Lĩnh vực: Công nghệ Thông tin

Nội dung tài liệu:

Luận văn này tập trung nghiên cứu và ứng dụng các kỹ thuật học sâu, đặc biệt là mạng neural tích chập (CNN), để tự động phát hiện cột điện và các thiết bị trên đường dây truyền tải điện từ ảnh chụp bởi máy bay không người lái (UAV). Với sự phát triển của công nghệ UAV và AI, việc giám sát, kiểm tra hệ thống điện trở nên hiệu quả và an toàn hơn. Tuy nhiên, việc xử lý và phân tích khối lượng lớn hình ảnh thu được đặt ra thách thức. Luận văn đề xuất các phương pháp tiền xử lý ảnh UAV, xây dựng tập dữ liệu và áp dụng mô hình học sâu dựa trên kiến trúc mạng R-CNN để giải quyết bài toán này, nhằm hỗ trợ công tác giám sát và quản lý hệ thống điện.

Mục lục chi tiết:

• MỞ ĐẦU
• CHƯƠNG 1: TỔNG QUAN VỀ HỌC SÂU VÀ CÁC BÀI TOÁN ỨNG DỤNG
• 1.1. Mạng neural nhân tạo
• 1.1.1. Perceptrons
• 1.1.2. Sigmoid Neurons
• 1.1.3. Kiến trúc mạng MLP
• 1.2. Kiến trúc mạng học sâu
• 1.2.1. Tổng quan về kiến trúc của CNN
• 1.2.2. Chọn tham số cho CNN
• 1.2.3. Đặc trưng chung của các mạng CNN
• 1.2.4. Một số kiến trúc các mạng CNN tiêu biểu
• 1.3. Kết luận chương
• CHƯƠNG 2: PHƯƠNG PHÁP PHÁT HIỆN ĐỐI TƯỢNG DỰA TRÊN MÔ HÌNH HỌC SÂU
• 2.1. Bài toán phát hiện đối tượng từ hình ảnh
• 2.2. Các hướng triển khai trong phát hiện đối tượng từ hình ảnh
• 2.3. Phương pháp phát hiện đối tượng dựa trên kiến trúc mạng R-CNN
• 2.3.1. Thuật toán R-CNN
• 2.3.2. Thuật toán Fast R-CNN
• 2.3.3. Thuật toán Faster R-CNN
• 2.3.4. Phân loại bài toán phân đoạn hình ảnh
• 2.3.5. Mask R-CNN
• 2.3.6. Phát hiện đối tượng dựa trên instance segmentation
• 2.4. Kiến trúc MaskRCNN-R50-FPN
• 2.4.1. Tổng quan kiến trúc FPN
• 2.4.2. Data Flow
• 2.4.3. Sử dụng FPN với Fast R-CNN, Faster R-CNN, Mask R-CNN
• 2.5. Kết luận chương
• CHƯƠNG 3: ỨNG DỤNG HỌC SÂU TRONG PHÁT HIỆN CỘT ĐIỆN VÀ CÁC THIẾT BỊ TRÊN ĐƯỜNG DÂY TRUYỀN TẢI ĐIỆN CAO THẾ TỪ ẢNH UAV
• 3.1 Bài toán phát hiện cột điện và các thiết bị trên đường dây truyền tải điện cao thế từ ảnh UAV
• 3.1.1. Quy trình kiểm tra lưới đường dây cao thế 110kV
• 3.1.2. Những lợi ích và hạn chế trong công tác giám sát đường dây
• 3.1.3 Áp dụng công nghệ cho công việc kiểm tra đường dây 110kV
• 3.2 Nghiên cứu đặc trưng ảnh UAV
• 3.3. Các kỹ thuật tiền xử lý ảnh UAV
• 3.3.1. Thu thập dữ liệu từ máy bay UAV
• 3.3.2. Trích xuất dữ liệu ảnh từ dữ liệu video giám sát trên máy bay UAV
• 3.3.3. Chuẩn hóa dữ liệu về kích thước mong muốn huấn luyện cho mô hình
• 3.3.4. Loại bỏ và tinh chỉnh ảnh nhiễu
• 3.4. Đánh giá thực nghiệm
• 3.4.1. Môi trường thực nghiệm
• 3.4.2. Dữ liệu thực nghiệm
• 3.4.3. Các độ đo đánh giá
• 3.4.4. Kết quả thực nghiệm
• 3.6. Kết luận chương
• KẾT LUẬN
• TÀI LIỆU THAM KHẢO