教学课程资源库 更多>>

关键词： 视觉特性   城市道路   景观评价   数字图像处理   指标研究  

摘要： 机动车驾驶员在行驶的过程中,城市道路景观对驾驶员的视觉信息处理、驾驶心理以及驾驶判断具有客观存在的影响。为了实现基于驾驶员视觉特性的城市道路景观评价,从驾驶员视觉特性的角度出发,提出了以数字图像处理技术为理论基础的视觉元素复杂度、景观颜色复杂度、视野开阔度3个城市道路景观评价的客观指标。以选定的西安市10段城市道路为研究对象对其景观的视觉元素复杂程度、景观颜色复杂程度、驾驶员视野开阔程度三种景观特征进行主观评价与客观指标的计量。最后通过对应景观特征的主客观评价值的相关性分析证实了本文所提指标的有效性。本文提出的基于驾驶员视觉特性的城市道路景观评价指标是建立在对驾驶员视觉特性分析的基础上的。首先通过视频数据的采集与处理获得城市道路断面景观的数字图像,从中抽样得到10幅图片进行主观评价分析的方案设计。邀请大量机动车驾驶员对图片的视觉元素复杂性、景观颜色复杂性、视野开阔性与整体性体验四个方面进行主观评价,评分级别以语义差别法的思想进行制定。同时利用计算机编写程序对其二维熵、颜色熵、视野开阔度进行计量。最后对主观评价值与计算得到的对应客观计量值进行主客观相关性分析,以及整体评价值与三种指标之间的线性回归分析。结果表明,本文提出的三种客观计量指标与各自对应的主观评价值线性相关。用以计量视觉元素复杂性、景观颜色复杂性与视野开阔性的三种客观计量指标是有效的,且各自之间呈线性相关。对得到的回归方程的研究表明各个指标对整体值的重要性有所差别,视野开阔度对整体评价值影响较大,且二者为正相关;视觉元素复杂性和景观颜色复杂性对整体评价值的影响相对较小,其中颜色复杂度与总体评价值之间是负相关;视觉元素复杂性与总体评价值之间存在正相关关系。基于驾驶员视觉特性的城市道路景观评价指标的建立有助于工程设计人员从有益于驾驶员驾驶的角度出发,实现优质的景观设计。同时,计算机数字图像处理技术的运用使得城市道路景观成为一种可以实时监测与控制的环境变量,使道路交通向智能化、信息化的方向迈进。

关键词： 盾构机   盾尾间隙   数字图像处理   霍夫变换  

摘要： 盾构施工法是我国乃至全世界当前隧道建设工程和城市地下工程运用最广泛、最重要的施工技术。盾构施工中盾尾内壁与管片外壁间的距离称为盾尾间隙,当两者太过接近时,管片与盾尾相接触,会直接造成管片的破损、断裂;也会挤压盾尾刷,损耗盾尾油脂、增加成本;更有甚者若造成盾尾密封性的破坏,将引发隧道塌方等一系列的不良后果。由于现有的自动测量方案存在着使用不便、易损坏、精度差等缺点,本文将通过采用智能图像处理的技术方案,研发出一套可以对盾尾间隙进行无接触、自动化监测的测量系统以保障盾构施工的顺利进行。本文主要是针对复杂的盾构环境,进行恰当的硬件选型、设计,通过对盾尾间隙进行图像采集、图像传输、智能化的图像处理后获取盾构机的盾尾间隙数据,对盾尾间隙状态进行自动化、实时的监测。该系统主要使用工业相机、镜头、激光器等硬件进行目标图像的拍摄,获取图像后通过运用中值滤波、灰度值分割、形态学操作、角点检测、边缘检测、霍夫直线检测等智能数字图像处理算法得出当前盾尾间隙数值,显示于人机交互界面并完成数据的存储,在满足测量需求的同时通过对相关数据的采集、共享为整机设备进一步的数字化、智能化打下基础。本文设计开发的盾构机盾尾间隙监测系统,在工地现场进行了初步的实验。系统测量稳定、精度高,避免了盾构机内狭小空间和复杂施工环境给测量人员带来的严重安全隐患,取得了良好的应用效果,获得了施工单位的认可。图50幅,表6个,参考文献61篇

关键词： 分布式光纤传感   布里渊光时域反射   数字图像处理方法   频域特征滤波   空频组合滤波  

摘要： 布里渊光时域反射(Brillouin optical time-domain reflectometry,BOTDR)技术作为一种分布式光纤传感技术,能对温度和应变进行连续分布式测量,可应用于桥梁、水坝、隧道、油管等大型设施的安全健康监测。在BOTDR传感系统中,由于被探测的后向自发布里渊散射信号较为微弱,受噪声影响大,所以需要对信号进行去噪处理。传统的一维信号滤波方法存在方法单一、去噪效果不佳等问题。因整条光纤上的布里渊散射信号为三维布里渊散射谱,其对应二维数字图像,基于数字图像处理的方法可灵活高效地应用于布里渊散射信号滤波,但目前的方法以空间域滤波为主,存在处理速度较慢的问题。为了提升布里渊光时域反射信号滤波方法的性能,本学位论文创新性地从频域滤波角度开展研究,提出了两种新颖的基于数字图像处理技术的布里渊光时域反射信号滤波方法。本文针对传统非局部均值(Non-Local Means,NLM)滤波方法耗时长、传统频域低通滤波方法丢失信息等问题,研究了布里渊散射谱图像的空域和频域参数及其特征提取,提出了一种自适应的频域特征滤波方法,称之为FDF(Frequency domain feature)滤波方法。首先将带噪声的原始布里渊散射谱数据图像分割成若干大小相同的子图像,在保留洛伦兹形状频谱和布里渊频移(Brillouin frequency shift,BFS)变化信息的基础上,对噪声子图像进行自适应的频域低通滤波。对滤波后的图像,利用洛伦兹拟合方法获得光纤上BFS的分布,利用BFS与温度/应变的线性关系,进而获得光纤上温度/应变的分布。通过仿真和5.2 km长的G657光纤传感实验验证了该方法的降噪效果,以温度/应变测量不确定度、空间分辨率以及处理时间等为评价指标,与传统频域低通滤波、高斯均值滤波以及NLM滤波方法进行对比评估。与高斯均值滤波方法相比,该方法的温度测量不确定度降低了27%,空间分辨率从9.4 m降低至8.5m。与NLM滤波方法相比,在相同的温度测量不确定度下,处理速度比NLM滤波快22倍。此外,本文提出了一种空频组合滤波方法,结合了空间域滤波中的NLM滤波和频域滤波中的BLPF(Butterworth Low-Pass Filter)滤波,称之为NLM-BLPF滤波方法。在NLM-BLPF方法中,首先根据布里渊散射谱的峰值频率沿传感光纤的变化将数据图像分为两类。一类图像数据是包含温度/应变变化光纤段的图像数据,使用去噪效果优异的NLM滤波进行去噪;另一类图像数据是不包含温度/应变变化光纤段的图像数据,使用处理速度快的BLPF滤波进行去噪。对于5.2 km光纤的BOTDR传感实验信号,与使用NLM滤波相比,NLM-BLPF滤波可以缩短处理时间,保持较高的测量精度,处理速度比NLM滤波快17倍。与BLPF滤波相比,NLM-BLPF滤波能有效保留温度/应变变化区域的图像细节,提高了测量精度,整段光纤上BFS的均方根误差降低了61%。空间分辨率从原始噪声数据的15.6 m降低至8.2 m。

关键词： 现场可编程门阵列   数字图像处理   低照度   图像增强   直方图均衡化  

摘要： 近年来,视频监控系统得到了快速的发展。但受限于环境光源,图像采集系统在照度较低的工作环境中采集图像时会出现画面质量降低、暗部细节难以识别的问题,而使用传统的全局直方图均衡算法在图像增强的过程中又会使图像中包含的环境高光信息被过度增强,导致画面信息丢失。为了改善传统全局直方图均衡算法在增强过程中画面高光区域过度增强的问题,本论文对传统直方图均衡法进行了研究与改进,基于现场可编程门阵列FPGA(Field Programmable Gate Array)设计了一套具有低照度图像增强功能的图像采集处理系统。本论文主要研究基于FPGA的增强型图像采集处理系统设计与实现。论文的主要研究内容和研究成果如下:(1)论文对日常监控环境进行了分析与研究,并以外部光源的分布情况将日常低照度监控环境分为面状光源、带状光源、点状光源三种光源环境。同时,结合光源环境的特点对传统直方图均衡法进行了改进,提出了高灰度级偏移与高灰度级保留的优化方案。这两种优化方案通过设置不同的阈值点与均衡区间对图像进行分段处理,在显著增强图像阴影区域细节的同时也能有效抑制高光区域被过度增强。(2)论文对两种优化方案进行了对比分析。其中,使用高灰度级偏移方案增强后的图像,亮度与对比度相较高灰度级保留方案高58%与91%。相较于传统全局直方图均衡法,高灰度级偏移方案可降低高光区域6%的亮度,在部分场景中可以使画面高光区域的梯度值提升19.3%、信息熵提升10.5%,使高光区域细节得到了大幅增加。但由于灰度级跳跃的原因,在点状光源场景中的光影过渡区域会产生严重的伪影。而高灰度级保留方案则在点状光源场景中有较好的增强效果。(3)论文充分利用FPGA并行数据处理优势和丰富的IP(Intellectual Property)资源,以双端口随机存储器RAM(Random Access Memory)及其控制电路为核心对改进后的图像增强算法进行了移植。所设计的图像增强模块使用图像传感器提供的48MHz时钟,处理单个像素数据耗时仅需104ns。而传统软件平台,单个像素处理耗时则为3.9μs。与原图比较,通过增强处理后的视频信息,画面亮度可以提升2.5倍、对比度提升15%、梯度信息提升60%以上。(4)本论文还设计了图像传感器配置模块、图像捕捉模块、彩色转灰度模块、缓存控制模块、图像输出模块。完成了具有视频采集、图像增强、视频输出功能的图像采集处理系统。该系统以RAM中的灰度累计函数为线索自动识别环境光线照度,可以在不同照度环境下对视频信息实施不同的处理方案,确保具有最佳观感的视频信息输出。在论文设计中,以Visual Studio与MATLAB软件平台进行算法仿真工作,并使用Modelsim对FPGA项目进行验证。最终结果表明,论文所设计的算法对日常监控场景下的低照度图像有较好的增强效果,并且可以明显抑制画面高光区域的过度增强;通过FPGA实现的图像增强模块具有处理快速的优点。所搭建的图像采集处理系统具有一定的实用价值。

关键词： 免疫荧光图像   电离辐射   图像预处理   图像分割   深度学习  

摘要： 免疫荧光图像被广泛应用到临床与科学研究中,尽管目前的成像技术已经能够从分子水平观察到细胞内特定的蛋白,但受制于现有图像的处理方法,只能利用商业图像处理软件进行简单的数字信息提取,不能深层次对荧光图像定量分析。常见的生物医学图像处理基本采用人工方式进行数字信息获取,该方法存在耗费时间长、可重复性差、准确度低等问题。同时,由于汞灯激发光衍射角限制导致图像模糊、重影;图像背景过曝、对比度偏低;实验过程中出现杂质干扰;抗原抗体存在非特异性结合等问题,加剧了免疫荧光图像的分析难度。另一方面,近年来计算机技术不断飞速发展,卷积神经元网络、深度学习、遗传算法等新理论、新技术日新月异。因此,如何将计算机领域的新方法与免疫荧光图像处理相结合,扩充分析方法的多元化,提高图像处理的精确度,成为一个被热切关注的研究领域。放疗是肿瘤三大治疗方法之一,通常情况下,肿瘤细胞在受到电离辐射后,参与细胞活动的相关蛋白、细胞器及细胞核等均会发生功能与形态学上的改变,本论文聚焦电离辐射后肿瘤细胞内细胞器（初级纤毛）、细胞核及蛋白定位的免疫荧光图像分析方法,展开基于数字图像技术的免疫荧光定量分析研究:（1）利用色彩分离不同颜色通道,运用最大类间方差法分离杂质,对比不同边界算子的轮廓提取效果,通过个性化改进已有算子的特性,提出一种初级纤毛免疫荧光图像的定量分析方法,该技术较传统手动测量方法更精确、更高效;（2）通过设置阈值进行图像预处理,启动从坐标位置开始的数字信息获取,迭代全局阈值分割法有效缓解了图像过曝引起的离散噪声,解决了细胞核内过度共定位判定的问题,利用该逻辑运算获得的免疫荧光共定位结果较传统方法更具真实性;（3）基于YOLOv5深度学习检测框架设计出肿瘤细胞核的自动识别与计数方法,通过该技术实现了对免疫荧光染色后肿瘤细胞核的动态识别与计数功能,为活细胞成像检测与分析提供了一种全新的方法。

关键词： 生成对抗网络   微分同胚配准   可形变配准   数字图像处理   医学影像  

摘要： 医学成像技术作为临床诊断中的重要判别依据,通过非侵入方式呈现患者体内高清图像,为医生提供了详细且准确的病灶信息。甚至在多数情况,医生仅根据计算机辅助诊断的结果便可为患者制定治疗流程。然而,单幅图像所包含的病理学信息是有限的,如果将不同图像信息融合,必然可以提高诊断结果的准确性与可信度。在此背景下,医学图像配准技术孕育而生,通过寻找待配准图像与配准目标之间空间映射关系使两幅图像达到解剖空间相似度的某种一致性,从而融合二者包含的信息。如今,医学图像配准技术已经在多种临床场景得到应用,疾病的发展预测与影像导航手术就是其中很好的示例。依据运行时优化形变参数方式不同,现有的配准技术大致可被分为传统配准方法和基于学习的配准方法。其中,传统配准方法具备较好的鲁棒性和跨模态性,实现图像间配准的方式是依靠内置的优化策略,通过对输出的形变参数进行调节,实现能量函数的优化。近年来,深度学习技术在各大图像处理领域大显神威。基于深度学习的配准方法依靠框架内部的深层网络实现了快速且端到端的配准方式,解决了传统配准方法因重复地迭代优化而导致的效率过低,无法适应在时间紧迫的临床场景。并且基于深度学习的配准方法也因其出色的精确度,得到了医学图像处理领域的广泛关注。虽然基于深度学习的配准方法相比传统方法在精度和效率上都已经取得了很大地提升,但多数方法仅使用简单的U-Net网络作为配准网络,并且在损失函数的构成上采用了单一的像素相似度指标以及平滑项,这将导致在配准大位移形变的图像以及有效性方面,展现出性能不足的问题。针对上述问题,本文展开了研究工作,前期收集了许多近些年医学领域出现的深度学习配准文章,对它们进行了分类与总结的工作。在这些方法的基础上,文本进行了创新型改进,提出了两种基于深度学习的配准方法GRNet和DSDNet。其中,GRNet采用基于器官轮廓实现的生成对抗框架,解决了因配准目标间解剖区域存在大尺度非线性差距而导致精确度不足的问题。而DSDNet以输出双向的速度矢量场的形式实现了可微分同胚配准,解决了因微分同胚变换中逆一致性时常被忽略,从而无法获得微分同胚形变的问题。下面是对本文工作中主要内容与创新点做出地进一步概述:(1)文章收集了许多近年来出现的优秀配准方法,对其中基于深度学习的医学图像配准方法进行综述性叙述,详细剖析了基于深度学习的配准框架内部包含的每个模块的功能与实现形式,以及涉及的图形算法等。之后,按照监督标签的不同对基于深度学习的医学图像配准进行了分类,主要分成监督学习、无监督学习以及弱监督学习的配准方法。并且详细地描述每一种分类方式对应的配准流程框架,并介绍了使用该种学习方式的许多突出工作。最后,通过总结本文发现了一些可以显著提高配准性能的常见架构和技巧,并对它们进行了概述和总结。(2)为解决需要大尺度与非线性形变的配准问题,本文提出了一种基于弱监督学习的对抗配准方法GRNet。它相比传统方法和基于监督学习的配准方法,不仅提高了配准效率与精确度,且不需要地面真值变形标签。整体框架采用GAN实现图像配准,包含配准网络和判别网络。其中,配准网络采用Nested U-Net结构设计,结合残差网络以防止网络发生退化现象。损失函数部分融合了多种反馈信息,例如将差异哈希肺部相似度和图像解剖分割信息等多种指标加入框架中适应多种配准任务。为了更好的协调网络的训练,本文提出了一种损失约束的对抗训练方法,它可以根据损失函数中的对抗反馈信息的大小对训练进行主动地监督调控,这不仅使训练变得稳定,同时也提升了整体模型的性能。(3)为解决因为形变逆一致性被忽略而导致信息的丢失问题,本文提出了一种新颖的微分同胚配准方法DSDNet,兼容了无监督和弱监督学习的训练方式。该方法相比现有的深度学习配准方法,在配准有效性上取得了明显的进步。其中配准网络的设计采用具有对称输出的U-Net结构,实现了图像间的双向配准,这使得模型不仅可以同时学习双向信息,根据输出的正、逆向流场设计了一种全新的损失函数,称作逆一致性损失,用于保证对图像的形变过程的可逆性。此外网络的输出使用静态速度场代替常用的位移场,可以有效地提高形变的平滑程度。最后在方法提出的对应章节还详细分析了解剖分割标签给模型带来的影响。

关键词： 接触网   数字图像处理   目标检测   YOLOv5s   注意力机制   BiFPN特征融合  

摘要： 电气化铁路供电系统中附加悬挂上的悬式绝缘子是接触网的重要组成部件。由于高铁沿线环境复杂,常有塑料袋、农田地膜等异物入侵到线路内,若悬挂到悬式绝缘子上没有及时发现处理就有可能造成短路引发严重的事故。目前的铁路巡检方式为人工巡检和轨道车巡检;人工巡检劳动强度大,效率低,而悬式绝缘子所在位置是轨道检测车拍摄的盲区,两种巡检方式均无法满足对悬式绝缘子异物检测的需求。因此,对悬式绝缘子上异物侵线的自动检测分析具有重要意义。随着无人机技术的发展,利用无人机巡检成为合理的选择。通过无人机巡检实现对悬式绝缘子异物侵入识别目前有两个问题亟待解决:一是由于无人机拍摄悬式绝缘子时背景复杂、目标被遮挡等问题导致目标特征不明显、算法检测精度低;二是为了保证列车的运行安全,列车运行期间无人机需要在较远距离拍摄,导致图像中悬式绝缘子占比较小,使检测变得困难。本文结合现场实际情况,在采集大量现场数据的基础上围绕上述问题做了深入研究,主要工作如下。(1)在阅读大量国内外同类研究的基础上,利用无人机在不同线路条件下采集了大量原始飞行数据和接触网素材资料,在分析传统图像处理的不足以及深度学习领域目标检测优势的基础上,提出基于深度学习的目标检测算法;分别对比了两阶段以及单阶段的深度学习算法,并从中选择检测精度高且检测速度快的YOLOv5s算法作为基础训练算法。(2)针对现场数据目标检测中复杂背景造成目标识别精度低的问题,提出了一种引入ECA-Net(Efficient Channel Attention)与CA-Net(Coordinate Attention)注意力机制的YOLOv5s改进算法。其中ECA注意力机制对SE模块进行了的优化,采用不降维的局部跨信道交互策略和自适应选择一维卷积核大小的方法,提升了检测的性能,避免了过多计算量的引入;CA注意力机制模块可以沿一个空间方向捕获远程依赖关系,同时可以沿另一空间方向保留精确的位置信息,这对复杂背景中定位识别悬式绝缘子有很大的帮助。通过引入ECA注意力机制模块以及CA注意力机制模块,可有效提高整体的性能,解决图片中背景复杂环境下悬式绝缘子检测能力不足的问题。(3)针对当前目标检测算法对小目标检测效果差的问题,Bi FPN网络提供新的思路,借鉴其加权双向特征融合的做法,将特征融合部分的Concat改为Bi F PN中的权重Concat,并且只在C4层加入跳跃连接,将不同的特征层进行反复叠加,使全局特征包含底层和高层语义信息,提高了小目标识别精度,同时减少了计算量,使改进的网络更方便于工程部署。(4)最后为了分别能在复杂背景下以及小目标情况下的悬式绝缘子异物侵入识别中提高性能,提高模型的平均精度,将以上两种改进方式同时融合到YOL Ov5s中;并通过对比试验及鲁棒性实验验证本文算法的优越性。结合现场数据与实验室实验的结果表明,联合注意力机制与Bi FPN特征融合的YOLOv5s改进算法可以提高复杂背景干扰下和小尺寸目标的检测精度,并在无人机巡检的各种工况下均有良好的鲁棒性。

关键词： 机器视觉   数字图像处理   OpenCV   数码管识别  

摘要： 随着油田数字化和计算机视觉技术的快速发展，仪表数据的读取方式逐步向机器自动化读取发展。本文对石油钻井司钻房中的司钻显示仪图像进行研究，提出了一种基于机器视觉的司钻显示仪轨迹参数识别方法，通过相关图像预处理技术，结合OpenCV机器视觉技术实现了对仪表数字的识别。结果表明该方法对于其轨迹参数的识别准确率达到95%，大幅度减少了人工成本投入，提高了工作效率。

关键词： 公路隧道   衬砌裂缝识别   可靠性评价   数字图像处理  

摘要： 中国正逐渐从“隧道建设探索时代”向“隧道高质量建设与运营并行时代”过渡，越来越多的公路隧道需要进行定期检测。隧道内部整体光照条件较差，检测人员获取的衬砌裂缝图像存在整体对比度较低、裂缝信息不明显等缺陷，不利于后期检测报告撰写与隧道维修养护意见的提出。针对现阶段公路隧道裂缝识别方法不能较好满足实际需要的现状，本文基于Matlab构建了一套公路隧道裂缝识别系统，提出公路隧道服役可靠性评价方法，方便维修养护人员开展实际工作。本文的研究内容及主要结论如下:　　(1)提出了一种改进图像预处理算法。分析Retinex算法与小波阈值去噪算法的基本原理，提出一种融合改进Retinex算法与小波阈值去噪的图像预处理算法对获取到的图像进行增强。对小波阈值函数进行改进，并对所提出的阈值函数连续性与偏差性进行数学分析，证明公式的可靠性。通过仿真对比，将本文提出的图像增强算法与现有算法进行对比，证明了本文算法的适用性。　　(2)提出了改进隧道裂缝分割算法。在前人研究工作的基础上，对增强后的图像应用拓展高斯差分函数进行边缘检测，然后采用改进快速Otsu算法对图像进行二值化。应用数学形态学的开闭操作对二值图像噪点进行去除，最后采用基于直线的断点连接算法对裂缝断裂处进行连接。试验证明，本文所提出的裂缝分割算法优于单一裂缝分割算法，且本文算法时间适中，裂缝分割准确率也较高。　　(3)设计了基于BP神经网络的裂缝方向分类方法。通过分析四种不同方向裂缝的物理特性，提取S、ζ、△Xmax、△Ymax戤等四个裂缝参数，将提取到的四个用于方向分类的参数作为BP神经网络的输入值，设计三层BP神经网络用于裂缝方向分类。采用多张图像对其进行训练并对识别结果进行分析统计。结果表明，本文提出的方向分类算法准确率总体可达到95.5％。基于Matlab软件建立公路隧道裂缝处理系统，实现裂缝提取的精细化、准确化与便捷化。　　(4)提出了公路隧道衬砌服役可靠性评价方法。通过图像处理提取裂缝真实长度、最大宽度与分形维数三个参数，通过不同裂缝形态的对比确定裂缝越复杂，分形维数就越大。确定公路隧道裂缝的诊断尺度，给出区段隧道长度划分规则。构建包含多个区段的病害样本空间，采用聚类算法确定病害分级档数并应用轮廓值验证分级档数的合理性，采用偏最小二乘法建立衬砌服役可靠性评价公式并计算样本空间每个样本点的残差。将本文提出的服役可靠性评价方法应用于工程实践中并与专家打分法和国家规范法进行对比，证明了本文提出的评价方法的合理性。

关键词： 绝缘子   图像预处理   小波阈值去噪   深度学习   级联检测网络  

摘要： 近年来,为适应中国发展快车道上的各行业用电需求,不可避免的要进行远距离输电,从而使输电线路的规模逐渐变大。绝缘子作为电力输送系统中重要的部件,具有支撑和绝缘的功能。绝缘子处于野外环境,受日晒雨淋、风雪温变影响,加上处于高电压环境,随着使用年限增加,常常出现炸裂坏损现象,若不及时更换坏损绝缘子,将影响线路运行安全。由于绝缘子处于高压高空环境,近距离接触式检测难度大,且需停电。因此用地面非接触方式采集的绝缘子图像信息进行绝缘子缺陷检测具有重要的工程意义。因此,研究的主要内容如下:首先对国内外自动化巡检、图像处理和图像识别的研究现状进行调查,总结了已有研究的不足之处,然后根据无人机巡检中的绝缘子图像的特点,分别从图像预处理、目标检测定位和缺陷识别三个方面进行了研究。在图像预处理阶段,针对训练的数据集不足的问题,采用数据增强的方法,来扩充训练的数据集。针对复杂多样的外界环境干扰的问题,研究图像增强算法和去噪算法,重点研究了小波阈值图像去噪的算法,并对自适应小波阈值去噪的算法进行改进。对几种经典的图像增强算法和去噪算法进行对比研究,采用了带色彩恢复的多尺度Retinex、自适应直方图均衡化和改进的自适应小波阈值图像去噪的算法来进行绝缘子图像的预处理操作,从而改善图像的质量,确保了基础数据的准确性和有效性,进而提高了检测模型对图像的分析和理解。在目标检测定位阶段,针对目标绝缘子占比较小,背景占比大且复杂,从而对目标绝缘子的分割造成干扰的问题,采用Faster R-CNN、SSD和YOLOv3网络模型进行目标绝缘子定位的对比研究,得出YOLOv3绝缘子定位网络具有较高的的精度和定位速度,因此采用基于YOLOv3的算法作为绝缘子定位网络模型。然后对目标绝缘子进行裁剪,进而对目标绝缘子进行异常检测,减小了计算量,提高了绝缘子异常检测的精度和速度。在缺陷识别阶段,采用Alexnet模型对分割出来的目标绝缘子进行识别,从而检测出异常的绝缘子。实验证明,采用的YOLOv3绝缘子定位网络+裁剪层+Alexnet绝缘子异常检测网络的级联网络模型对绝缘子的异常进行检测,识别出了有缺陷的绝缘子,并定位出缺陷的位置,检测速度快,平均精度均值达到了89.81%,比单阶段的检测方式高8.24%。基于该级联检测网络,设计了一个绝缘子异常检测App,实现了人机交互。采用的方法能快速有效的识别出异常的绝缘子,有效排除输电线路绝缘子异常的隐患,具有一定的工程应用价值。