[发明专利]高压输电塔绝缘子缺陷自动识别的方法及装置

说明书

本发明属于高压输电技术领域，具体涉及一种高压输电塔绝缘子缺陷自动识别的方法及装置。旨在解决现有技术无法自动识别绝缘子缺陷的问题。本发明提供一种高压输电塔绝缘子缺陷自动识别的方法，包括基于获取的高压输电塔绝缘子的图像数据，利用预先构建的定位网络模型定位出绝缘子在图像数据中的区域位置；通过预先构建的区域裁剪网络模型对区域位置进行裁剪，得到优化区域位置；利用预先构建的深度残差网络对优化区域位置进行绝缘子识别，再次利用深度残差网络对绝缘子中缺陷进行识别，标记绝缘子缺陷的位置信息。本发明能够自动从图像中识别出绝缘子的位置，并且在其基础上识别出绝缘子的缺陷，提高了识别的精度和准度。

技术领域

本发明属于高压输电技术领域，具体涉及一种高压输电塔绝缘子缺陷自动识别的方法及装置。

背景技术

随着我国电网规模地不断扩大，电网的安全问题也变得越来越重要，检测高压输变电设备运行状态是其中一个重要的部分，其中，绝缘子是高压输变电设备中安装在不同电位的导体或者导体与接地构件之间能够耐受电压和机械应力作用的器件，能够在架空输电线路中起到重要作用。然而我国的电力巡线方法对于绝缘子的检测却跟不上电网规模的发展，造成不少人力、物力以及社会资源的浪费。随着科学技术发展，具有机动灵活特点的无人机被广泛应用于我国各大电力公司，通过悬停在高压输电塔设备附近，可以实现对绝缘子“无死角、无盲区”的巡视诊断，并采集设备的图像。

目前基于无人机的高压输变电的绝缘子巡检是无人机采集图像后，依靠人工进行检测，通过这种方法无法进行自动检测，并且人工检测会影响缺陷识别的效率，不同的人检测的效果亦不同。现有技术还有通过图像处理或者机器学习方法进行绝缘子的缺陷检测，包括基于方向角检测与二值形状特征的定位方法，但是该方法必须要有绝缘子的先验知识，并且只适用于特定的场景；以及通过活动轮廓模型来分割航拍图像中的绝缘子，但是该方法需要很高的计算量，且活动轮廓模型无法自动初始化；

此外，电网检测过程中其背景往往包括湖泊、树木、房屋以及铁塔等多个干扰，现有技术的方法均不能适应复杂的电网检测背景，且现有技术的方法也只能做到检测绝缘子的位置，却无法识别绝缘子缺陷的位置。

因此，如何提出一种既能够检测绝缘子位置，又能够检测绝缘子缺陷的方案是本领域技术人员目前需要解决的问题。

发明内容

为了解决现有技术中的上述问题，即为了解决现有技术无法自动识别绝缘子缺陷的问题，本发明一方面提供了一种高压输电塔绝缘子缺陷自动识别的方法，所述方法包括：

基于获取的高压输电塔绝缘子的图像数据，利用预先构建的定位网络模型定位出所述绝缘子在所述图像数据中的区域位置，确定所述区域位置为所述绝缘子图像数据；

通过预先构建的区域裁剪网络模型对所述区域位置进行裁剪，得到优化区域位置；

利用预先构建的深度残差网络对所述优化区域位置进行绝缘子识别，再次利用所述深度残差网络对所述绝缘子中缺陷进行识别，标记所述绝缘子缺陷的位置信息；

其中，

所述定位网络模型基于深度卷积神经网络模型构建，并在所述深度卷积神经网络模型中加入区域建议网络，对其进行训练。

在上述方法的优选技术方案中，“利用预先构建的深度残差网络对所述优化区域位置进行绝缘子识别，再次利用所述深度残差网络对所述绝缘子中的缺陷进行识别”，其方法为：

将所述优化区域位置输入所述深度残差网络生成所述绝缘子的固定长度特征图，提取所述固定长度特征图中绝缘子的初步特征；

将所述绝缘子的初步特征输入所述深度残差网络进行绝缘子缺陷识别，得到识别结果，并在所述深度残差网络的全连接层分割绝缘子缺陷的位置信息。

在上述方法的优选技术方案中，“利用预先构建的定位网络模型定位出所述绝缘子在所述图像数据中的区域位置”，其方法为：