[发明专利]一种用于机巡视频流的输电线路故障检测方法

权利要求书

1.一种用于机巡视频流的输电线路故障检测方法，其特征在于，包括：

获取输电线路的机巡视频流；

利用opencv算法对所述机巡视频流进行解码，获得一帧一帧图片，以帧序列的形式保存至指定位置；

采用CPU对所述图片进行预处理，所述预处理包括：灰度化、图像几何变换、图像增强；

采用GPU对预处理后的图片进行故障检测，得到所述输电线路的故障位置和类别；

所述预处理后的图片进行故障检测包括：

将所述预处理后的图片像素设置为448*448；

将所述预处理后的图片分割成7*7个网格；

利用卷积神经网提取预处理后的图片的特征，预测每个待测网格的信息；所述卷积神经网为改进的GoogLeNet网络结构，包括24个卷积层、2个全链接层；采用1×1缩减层紧跟3×3卷积层取代Googlenet的强化模块；所述用1×1缩减层进行降维，然后再用3×3卷积层对预处理后的图片进行特征提取，所述全链接层用于利用yolov3算法对所述待测网格的信息进行预测；所述待测网格的信息包括：待测网格边框的(x，y，w，h)、置信度、以及待测网格所属故障类别的准确度；其中x，y为待测网格边框的中心坐标，w，h为待测网格边框的宽和高；

根据所述待测网格的信息计算每个网格边框属于某一类别故障的准确度；所述计算每个待测网格边框属于某一类别的准确度的公式为：

式(2)中，Pr(class|object)为对待测网格边框预测的类别信息，为对待测网格边框预测的置信度信息，表示计算的待测网格边框属于某一类别的准确度；

利用NMS算法对待测网格边框进行处理，得到最终的输电线路设备故障位置和类别；

其中，所述采用CPU对当前图片进行预处理的同时，采用GPU对预处理后的前一帧图片进行故障检测。

2.根据权利要求1所述的用于机巡视频流的输电线路故障检测方法，其特征在于，所述输电线路包括：输电线、杆塔、绝缘子和金具。

3.根据权利要求1所述的用于机巡视频流的输电线路故障检测方法，其特征在于，所述利用opencv算法对所述机巡视频流进行解码包括：

调用cvCreateFileCapture函数打开所述机巡视频流文件；

建立一个CvCapture结构体，获取视频帧数；

设置图片获取开始的帧数、结束的帧数和图片获取的帧率；

利用while循环解码视频，在循环过程中，程序调用cvQueryFrame函数实现对所述机巡视频流一帧一帧图片的提取和保存；

关闭所述机巡视频流文件。

4.根据权利要求1所述的用于机巡视频流的输电线路故障检测方法，其特征在于，所述yolov3算法的损失函数模型为：

式(1)中，λ_coord代表坐标预测损失比重，λ_noobj代表置信度预测损失比重；S＝7，B＝2，C＝10；

和是对待测网格进行坐标预测，用来判断第i个网格中的第j个边框是否负责对这个待测网格的检测，如果是则为1，不是则为0；

(x_i，y_i，w_i，h_i)是指待测网格边框的中心坐标以及宽、高，是指原始标记框的中心坐标以及宽、高；

为对含待测目标的待测网格的置信度预测，c_i和分别表示对待测网格边框和原始标记框的置信度的预测；

为不含待测目标的待测网格的准确度的预测，用来判断第i个网格中的第j个边框是否负责对这个待测目标的检测，如果是则为0，不是则为1；

为对待测网格边框进行故障类别预测，表示是否有待测目标的中心落在网格i中，如果是则为1，不是则为0。

5.根据权利要求4所述的用于机巡视频流的输电线路故障检测方法，其特征在于，所述预处理后的图片进行故障检测还包括：设置所述待测网格边框属于某一类别的准确度的阈值，将计算得分低于所述阈值的待测网格边框删除。