[发明专利]一种基于巡检影像的绝缘子自爆缺陷检测方法

说明书

本发明提供一种基于巡检影像的绝缘子自爆缺陷检测方法，包括：获取电力巡线无人机拍摄的包括有玻璃绝缘子的待检测巡检影像并人工标注少量绝缘子自爆缺陷；在仿真系统中批量生成包含绝缘子缺陷的虚拟巡检影像；对真实和虚拟影像进行滤波增强处理，得到滤波增强后的巡检影像联合训练集；利用联合训练集训练基于Faster R‑CNN深度学习网络获取绝缘子自爆缺陷检测模型；检测模型可对所述滤波增强后的待检测巡检影像进行检测，确定所述包括有玻璃绝缘子的待检测巡检影像中是否包括自爆缺陷。本发明提供的方法解决了以往深度学习训练中大数据训练集数量不足问题；提高了绝缘子自爆缺陷检测的准确率。

技术领域

本发明涉及电网运维技术领域，并且更具体地，涉及一种基于巡检影像的绝缘子自爆缺陷检测方法。

背景技术

玻璃绝缘子在电网运行中应用广泛，是无人机巡检的重点拍摄部件。玻璃绝缘子的集中自爆可能会造成线路跳闸故障，危及线路稳定运行。

近年来电力巡线无人机已经得到推广应用，产生了海量巡检影像。由人工来判读巡检影像并检测绝缘子自爆缺陷，效率低、主观性强、一致性差，极大地限制了运维工作效率。而目前已有的基于巡检影像自动检测绝缘子自爆缺陷的方法的正确率和漏检率都无法满足应用需求。

发明内容

本发明提供了一种基于巡检影像的绝缘子自爆缺陷检测方法，以解决目前绝缘子自爆缺陷检测方法的正确率和漏检率都无法满足应用需求的问题。

本发明提供的巡检影像的绝缘子自爆缺陷检测方法，包括：

获取电力巡线无人机拍摄的包括有玻璃绝缘子缺陷的多幅真实巡检影像并人工标注绝缘子自爆缺陷；

生成包含绝缘子自爆缺陷的虚拟巡检影像并自动标注绝缘子自爆缺陷；

对真实巡检影像、虚拟巡检影像进行滤波增强处理，得到滤波增强后的真实巡检影像和虚拟巡检影像；

按照预先设定的数量比组合滤波增强后的真实巡检影像和虚拟巡检影像，构成联合训练集；

利用联合训练集训练基于Faster R-CNN深度学习网络，确定绝缘子自爆缺陷检测模型，绝缘子自爆缺陷检测模型在确定真实巡检影像或虚拟巡检影中绝缘子所属的自爆缺陷类型时，针对相应的自爆缺陷类型的置信度大于预先设定的检出阈值。

进一步地，自爆缺陷类型包括：玻璃绝缘子串中单片自爆、玻璃绝缘子串中连续多片自爆、玻璃绝缘子串中金具连接端单片自爆和玻璃绝缘子串金具连接端多片自爆。

进一步地，的绝缘子自爆缺陷检测方法，还包括：

获取电力巡线无人机拍摄的包括有玻璃绝缘子的待检测巡检影像；

对待检测巡检影像进行滤波增强处理，得到滤波增强后的待检测巡检影像；

利用绝缘子自爆缺陷检测模型检测，滤波增强后的待检测巡检影像，以确定包括有玻璃绝缘子的待检测巡检影像中是否包括自爆缺陷。

进一步地，进行滤波增强处理，包括：

1)采用四邻域中值滤波遍历巡检影像，得到中值滤波后的巡检影像；

2)采用具有0°、45°、90°和135°这4个方向模板的Sobel边缘算子遍历中值滤波后的巡检影像，得到边缘突出的巡检影像；

3)利用四邻域灰度对比法，对边缘突出的待检测巡检影像消噪，得到滤波增强后的巡检影像。

进一步地，利用四邻域灰度对比法，对边缘突出后的待检测巡检影像消噪，得到滤波增强后的待检测巡检影像，包括：

对任一像素点f(x,y)，若|f(x,y)-f(x+i,y+j)|＞TH，对于任意i＝-1,1；j＝-1,1均成立，则像素点为噪声点；其中，阈值TH为不小于20的常数；