[发明专利]基于架空输电线路单一缺陷自动标注图片数据源扩充方法

说明书

本发明公开了一种基于架空输电线路单一缺陷自动标注图片数据源扩充方法，包括以下步骤：S1、参考架空输电线路实物，搭建可调节缺陷的实物模型，同时，使用绿布给架空输电线路实物模型布置背景；S2、在搭建的模型上模拟架空输电线路正常、各种缺陷状态；S3、借助拍摄装置获取数据样本，拍摄时调整拍摄距离和拍摄角度，在距离目标不同位置上进行多角度拍摄，获取绿色单一背景的可见光图片；S4、采用膨胀、腐蚀等传统图像处理方法处理绿色背景图片，提取前景物；S5、给提取的前景物添加无人机拍摄的背景，得到最终图片数据样本。本发明能够为基于机器学习的架空输电线路单一缺陷自动标注提供充足的图像数据源，以实现缺陷的批量标注。

技术领域

本发明涉及机器学习技术领域，具体涉及一种基于架空输电线路单一缺陷自动标注图片数据源扩充方法。

背景技术

架空输电线路因其具有结构简单、施工和检修维护方便等优点而在电力传输上得到广泛应用。其运行状况在很大程度上直接表征了整个电网的运行状况。为确保电网能够安全稳定的运行，依据相关规定，工作人员必须进行架空输电线路的定期检查。传统检测方式主要依靠人工进行，在其存在误检或者漏检问题的同时，又耗费了大量的人力和物力。高压传输线路规模大、范围广，周围的环境存在很多潜在的危险，不利于人工检测，使得传统的维修和巡检方法适用范围大大减小。针对这一问题，直升机巡检技术、无人机巡检技术相继得到了广泛的应用，它们搭载照相或摄像设备沿输电线路走廊飞行，近距离拍摄线路及其关键部件，获取航拍图像，人工标注航拍图像中架空输电线路的缺陷部位。传统的图像标注是人工完成的，对图像的理解与标注相对准确，但是在大数据环境下的图像标注中，由于海量的图片数据源的存在以及缺陷类型纷繁复杂，因此，人工标注工作量巨大，并且容易受到主观经验的影响，对同一幅图像的标注不一致。

于是，有学者提出了利用计算机技术实现图像的自动标注的智能检测方法。智能检测方法因其优良的性能、广泛的适应范围、符合现代智能化和自动化的要求等优点作为新的线路巡检方式而逐渐受到重视。

机器学习是人工智能的一个重要分支，是使计算机具有智能的根本途径，主要研究计算机如何模拟、实现人类的学习行为，识别现有知识、获取新知识、不断改善性能和完善自身，使用数据或以往的经验，以此优化计算机程序的性能标准。而深度学习作为机器学习的分支，在缺陷检测方面发挥着极其重要的作用。因此，将深度学习与现代巡检技术相结合，在电力缺陷检测方面具有很高的便利性与优越性。近几年来,基于图像的缺陷检测问题，随着深度学习的深入研究，缺陷检测方面取得了可观的成就，与此同时，基于机器学习的缺陷检测技术仍然存在不少的关键问题有待于解决。

其中，亟待解决的问题就是图像数据集的标注样本不够充分，一方面，在图像大数据的背景下，虽然图像资源海量而丰富，一些基于互联网的图像数据集样本数量也十分充足，但是对于电力系统这一特定领域，有标注的图像样本数量却并不多，这给深度学习造成了很大的困难；另一方面，深度卷积神经网络结构复杂，参数数量巨大，需要大量的数据进行训练，否则极易产生欠拟合现象。

因此，有必要针对上述问题，提出一种架空输电线路单一缺陷自动标注图片数据源扩充方法。

发明内容

本发明的目的在于克服现有用于深度学习训练的电力领域缺陷的图片数据源样本不足这一问题，提供一种基于架空输电线路单一缺陷自动标注图片数据源扩充方法，能够为基于机器学习的架空输电线路单一缺陷自动标注提供充足的图像数据源，以实现缺陷的批量标注。

本发明的目的可以通过采取如下技术方案达到：

一种架空输电线路单一缺陷自动标注图片数据源扩充方法，所述的扩充方法包括以下步骤：

S1、参考架空输电线路实物，搭建电力部件可调节缺陷的实物模型，同时，使用绿布给架空输电线路实物模型布置背景；

S2、在搭建的实物模型上，结合电力巡检部门提供的资料，分析架空输电线路常见缺陷，并进行模拟，针对每一类缺陷，必要时，需要模拟出不同程度的缺陷；