基于对比度受限直方图均衡化的夜间接触网支柱号牌识别方法研究

来源 :电气工程学报 | 被引量 : 0次 | 上传用户:bendanlxq
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在接触网停电检修作业挂接地线中,挂接地线位置由作业票上的支柱号确定,因此,研究接触网支柱号牌的识别对挂接地线的自动化监测具有重要意义。为此,提出一种基于对比度受限自适应直方图均衡化(Contrast-limited adaptive histogram equalization,CLAHE)的支柱号识别方法。利用对比度受限自适应直方图均衡化和中值滤波预处理图像,用最小区域法和形态学变换提取号牌区域,再用连通域和模板匹配识别号牌上的支柱号字符,并在识别过程中考虑支柱号的分布规律,验证支柱号的识别结果。
其他文献
阐述了无焰泄放装置泄放效率的测试技术,并通过试验对其影响因素进行了验证和分析.探讨了点火延时及粉尘浓度对无焰泄放装置泄放效率的影响.
结合应用实例和半年时间的湿度测试结果,说明了智能综合除湿技术的原理和优点,为智能综合除湿技术的未来应用提供了理论基础和技术参考.
对加氢站的部分风险因素进行分析,从氢气自身特点、加氢机工作参数、加氢站环境等方面分别分析,并通过模拟高压氢气泄漏直观了解泄漏区域.
在永磁同步电机有限集模型预测转矩控制中,预测模型通常是由连续状态方程直接离散化得到,此方式是一种开环式的预测模型,在参数失配状况下将引入预测误差,引起控制性能降低,甚至导致系统失稳.针对此问题,提出了一种基于自校正模型的永磁同步电机鲁棒预测转矩控制,摒弃了开环式的定子电流预测方程,引入反馈机制并提出了闭环式的定子电流预测方程.在定子磁链预测方程中,融合了电压模型和电流模型,两者的切换由比例积分调节器控制.此外,研究了闭环电流模型和闭环磁链模型的稳定性理论及参数设计方法.试验结果验证了所提方法的有效性.
针对托卡马克脉冲阶梯调制(Pulse step modulation,PSM)模块大功率IGBT驱动电路的要求,选取有源钳位反激变换器作为设计的主电路,详细介绍了电路主要元件设计方法,研究电路主开关管零电压开通和基于LM5025前馈控制的实现方案.并针对ITER射频波加热系统,设计了一款开关频率为480 kHz的驱动电源.试验结果表明,在允许的输入电压范围内实现了电路主开关管零电压开通和前馈控制,降低了开关损耗,提高了电路工作的可靠性.
随着我国电子工业的高速发展,含氟废水量也大幅增加,对生态环境造成极大的危害,因此含氟废水的处理成为近几年研究的热点.目前含氟废水的处理方法多种多样,包括:沉淀法、电凝聚法、吸附法和离子交换法等,其中沉淀法是目前除氟技术中最常用的方法之一.综述了国内沉淀除氟技术的研究现状,分析不同条件对除氟效果的影响,并对未来的研究方向提出展望,为后期研究者提供参考.
当今时代,网络技术在社会各行各业中都有广泛应用.在融媒体广电工程中,网络技术的应用对于提升广电节目的录制率、实现节目自动化播放、推动广电工程快速发展等具有十分重要的意义.基于此,分析传统广电工程发展状况,阐述融媒体广电工程中网络技术的应用优势,就网络技术在融媒体广电工程中的具体应用给出相关建议.
传统的水、火电调频机组因其固有缺陷难以克服风电、光伏等间歇式新能源大规模并网引起的电网调频容量不足问题,而储能以其快速的响应特性在调频方面具有天然优势,将储能引入到电网调频中可显著改善其调频效果.因此针对储能参与电网辅助调频的控制策略展开研究,建立了储能以及含储能的区域电网调频等效模型;基于该模型,将储能的荷电状态(State of charge,SOC)考虑在内,并对电网频率偏差和储能的SOC进行分区,提出了一种储能与传统调频机组参与电网频率调节的协调控制策略;搭建仿真模型对所提控制策略进行验证.仿真结
针对超高清视频与5G融合应用遇到的困难,构建一个基于5G通信技术的4K/8K超高清分布式视频处理系统,研究超高清视频开展编解码算法优化、超高清视频5G网络传输需要的大带宽、低时延的QoS质量保障等关键技术,满足5G网络复杂多变场景下多并发超高清视频流的实时处理、传输及显示等方面的应用.
针对现有的电力系统短期负荷预测方法存在预测精度较差的问题,提出一种基于长短期记忆神经网络(Long short term memory,LSTM)和CatBoost组合的短期负荷预测方法,针对电力负荷数据具有时序性和非线性的特点,以及长短期记忆网络不能直接处理类别型特征,对处理后的电力负荷数据建立LSTM负荷预测模型和CatBoost负荷预测模型;用方差倒数法确定加权系数,得到LSTM和CatBoost组合模型的预测值;最后使用实际负荷数据对算法有效性进行验证,预测结果表明采用LSTM和CatBoost组