[发明专利]一种输电线路缺陷图像识别方法

说明书

本发明公开了一种输电线路缺陷图像识别方法，包括输入输电线路图像，其中输电线路图像为无人机所拍摄获得；提取输电线路图像的多个候选区域；提取候选区域的特征；利用分类器对特征进行分类，以确定特征是否符合一个类别；对符合类别的特征对应的候选区域进行边框回归。通过上述方式，本发明所公开的输电线路缺陷图像识别方法能够自动对输电线路图像进行缺陷的识别，节省人力，提升效率。

技术领域

本发明涉及图像处理技术领域，特别涉及一种输电线路缺陷图像识别方法。

背景技术

电力系统是我国经济建议的重要基础和国民生活的重要保障，电力系统是否能够正常运行直接影响了国家经济发展和人民的生活质量。一套完整的电力供应系统包括配电、发电、送电、输电、用电等一系列相关设备。作为连接整个系统的主要部分，输电线路运行正常与否，影响了电力系统的稳定性和安全性。对输电线路进行巡检，及时检测线路设备缺陷状态，保证电网安全稳定运行。目前输电线路巡检方式主要有3种：人工巡检、直升机巡检和无人机巡检。

现有对于无人机所拍摄的输电线路图像通常是采用人工检测识别的方式，通过人工识别输电线路图像上是否存在输电线路缺陷。现有对于输电线路图像的人工识别工作强度大，浪费大量的人力，且效率低下。

发明内容

本发明主要解决的技术问题是提供一种输电线路缺陷图像识别方法，能够自动对输电线路图像进行缺陷的识别，节省人力，提升效率。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种输电线路缺陷图像识别方法，包括：输入输电线路图像，其中输电线路图像为无人机所拍摄获得；提取输电线路图像的多个候选区域；提取候选区域的特征；利用分类器对特征进行分类，以确定特征是否符合一个类别；对符合类别的特征对应的候选区域进行边框回归。

进一步地，提取输电线路图像的多个候选区域的步骤具体包括：利用选择性搜索算法在输电线路图像中提取多个候选区域。

进一步地，在利用选择性搜索算法在输电线路图像中提取多个候选区域的步骤之后还包括：将多个候选区域缩的尺寸大小缩放成预设尺寸大小；提取候选区域的特征的步骤具体包括：将缩放后的各个候选区域输入到卷积神经网络提取对应的CNN特征；利用分类器对特征进行分类的步骤具体包括：将CNN特征输入到SVM分类器进行分类。

进一步地，提取候选区域的特征的步骤具体包括：将输电线路图像输入到卷积神经网络以获得特征图；将候选区域在特征图上的映射输入到SPP层以获得特征向量；将特征向量输入到全连接层以获得特征。

进一步地，提取候选区域的特征的步骤具体包括：将输电线路图像输入到卷积神经网络以获得特征图；将候选区域在特征图上的映射输入到ROI Pooling层以获得特征向量；将特征向量输入到全连接层以获得特征。

进一步地，利用分类器对特征进行分类的步骤具体包括：将特征输入到softmax分类器进行分类。

进一步地，提取输电线路图像的多个候选区域的步骤具体包括：将输电线路图像输入到卷积神经网络以获得特征图；将特征图输入到RPN以获得多个候选区域。

进一步地，提取候选区域的特征的步骤具体包括：将候选区域输入到ROI Pooling层以获得特征向量；将特征向量输入到全连接层以获得特征。

本发明的有益效果是：区别于现有技术的情况，本发明所公开的输电线路缺陷图像识别方法，能够自动对输电线路图像进行缺陷的识别，通过分类器具体识别出缺陷的类别，以及通过边框回归修正确定缺陷的位置，节省人力，提升效率。

附图说明

图1是本发明输电线路缺陷图像识别方法第一实施例的流程示意图；

图2是本发明输电线路缺陷图像识别方法第二实施例的流程示意图；