[发明专利]一种输电线路开口销缺损自动识别方法

说明书

本发明提供了一种输电线路开口销缺损自动识别方法，包括如下步骤：获取输电线路图像；然后利用训练得到的共享卷积神经网络，检测输电线路图获得图像中的绝缘子区域像素的坐标；根据所述坐标，在绝缘子区域像素内，使用特征识别算法检测连接件开口销是否缺损。有效解决输电线路巡检影像中开口销缺损难以自动识别问题，程序可自动识别工况巡检影像，在影像中自动定位开口销缺损位置，供作业员判读，提高巡检效率，保障输电线路安全稳定运行。

技术领域

本发明涉及图像识别技术领域，具体地，为一种输电线路开口销缺损自动识别方法。

背景技术

无人机巡检作为一种必要的巡检手段，已与直升机巡检、人工巡检协同构建了新型的巡检体系，彻底改变现有的巡检工作模式。

现有的输电线路缺陷识别软件，通过边缘检测、傅立叶变换、小波变换等图像处理方法，可将目标从巡检影像中分离出来，再通过特征匹配等方式识别特定的缺陷。目前多数软件已可识别绝缘子等较大尺寸部件的缺陷。

开口销，其物理尺寸小，在通常的巡检影像中，单个螺母、开口销像素占全图像素的1/10000以下，由于信息量占比低，常规的基于特征的数字图像处理算法，无论是边缘检测，傅立叶变换、小波变换等均无法有效识别开口销缺陷。

发明内容

本发明要解决的技术问题是提供一种输电线路开口销缺损自动识别方法，可以有效识别小尺寸部件。

为解决上述技术问题，本发明提供了一种输电线路开口销缺损自动识别方法，包括如下步骤：获取输电线路图像；然后利用训练得到的共享卷积神经网络，检测输电线路图获得图像中的绝缘子区域像素的坐标；根据所述坐标，在绝缘子区域像素内，使用特征识别算法检测开口销是否缺损。

进一步地，使用特征识别算法检测开口销是否缺损的方法包括如下步骤：利用LSD算法检测开口销的直线段特征，再用hough梯度圆检测算法检测螺母的圆特征，然后通过二者之间的距离约束判断开口销是否存在。

进一步地，通过距离约束判断开口销是否存在的方法为：所述直线段特征位于所述圆特征中时，判定开口销存在，否则，判定销钉缺损。

进一步地，训练共享卷积神经网络的方法包括如下步骤：

A：准备训练样本；

B：对训练样本进行卷积运算；

C：构建区域特征提取网络；

D：获取绝缘子区域坐标初值。

进一步地，所述步骤A包括如下步骤：在巡检图像中找出包含绝缘子的图片，并在该图片上人工框选出绝缘子像素区域，并添加标签，完成后，将该图片作为训练样本存入训练集。

进一步地，框选绝缘子像素区域时，采用最小外接矩形框标注目标，标注框与目标边缘不大于5像素。

进一步地，所述步骤B包括如下步骤：

将训练样本输入至卷积神经网络的初始卷积层，初始卷积层的卷积核以特定的大小和步幅对训练样本进行卷积运算，得到可反应输入原始巡检影像抽象底层信息的特征图；

进入卷积神经网络的下采样层，对所述特征图进行下采样处理，抽取所述特征图特定区域内的像素灰度值的平均值，经过多层卷积和下采样处理后的图像作为中间结果。

进一步地，所述步骤C包括如下步骤：

在所述特征图上采用3*3卷积的窗口，通过标准VGG16卷积神经网络前13层生成512维全连接特征向量；

区域特征提取网络的架构设计为，使用Faster—RCNN实现目标的检测和识别，其过程与标准VGG16网络共用其前13个VGG卷积层，采用交替训练实现该阶段卷积层的特征共享，学习获得有效分类特征；