[发明专利]一种基于深度学习的零值绝缘子检测方法

说明书

本发明公开了一种基于深度学习的零值绝缘子检测方法，它包括步骤1、根据绝缘子红外图像特征，对图像进行预处理；步骤2、对预处理后的红外图像进行分割以及图像角度校正；步骤3、绝缘子盘面的提取；步骤4、绝缘子红外图像特征的提取以及深度学习；步骤5、检测零值绝缘子，利用训练好的深度学习网络模型对绝缘子红外图像进行分类，检测出零值绝缘子；本发明基于红外成像技术和深度学习算法的零值绝缘子检测算法，可大大减少绝缘子巡检的工作量，减少因电力检测出现的安全事故，降低因绝缘子污闪而造成停电的概率，有助于增强电力系统运行的稳定性。

技术领域

本发明属于绝缘子检测技术，尤其涉及一种基于深度学习的零值绝缘子检测方法。

背景技术

架空线路的绝缘子工作在户外环境，长期经受环境侵蚀、机电负荷、导线舞动等作用会使其机械性能和绝缘性能降低，形成劣化绝缘子。劣化绝缘子的存在是电网安全运行的隐患，在不利的天气条件下，出现线路闪络的概率大大增加，进而引发绝缘子掉串或导线落地等严重事故。

目前，零值绝缘子的红外检测还大量依靠人力，检测工人通过红外热成像仪拍摄绝缘子红外图片，利用肉眼进行零值绝缘子的判断，无法做到检测的智能化和高效化，耗时费力。

发明内容

本发明要解决的技术问题是：提供一种基于深度学习的零值绝缘子检测方法，采用深度学习算法，利用海量绝缘子红外图片，从大数据的角度提取绝缘子红外特征，从而实现零值绝缘子的检测。本发明基于红外成像技术和深度学习算法的零值绝缘子检测算法，可大大减少绝缘子巡检的工作量，减少因电力检测出现的安全事故，降低因绝缘子污闪而造成停电的概率，有助于增强电力系统运行的稳定性。

本发明的技术方案是：

一种基于深度学习的零值绝缘子检测方法，它包括：

步骤1、根据绝缘子红外图像特征，对图像进行预处理；

步骤2、对预处理后的红外图像进行分割以及图像角度校正；

步骤3、绝缘子盘面的提取；

步骤4、绝缘子红外图像特征的提取以及深度学习；

步骤5、检测零值绝缘子，利用训练好的深度学习网络模型对绝缘子红外图像进行分类，检测出零值绝缘子。

步骤1所述根据绝缘子红外图像特征，对图像进行预处理的方法为：选取自适应中值滤波器对图像滤波去噪；选取双阈值自适应增强算法对绝缘子串红外图像进行自适应增强操作；选取目标暗的部分与背景区分的下限阈值，选取目标暗的部分与亮部分区分的上限阈值，对下限阈值与上限阈值之间的灰度值进行拉伸，对下限阈值与上限阈值之外区间进行压缩，增强图像的整体对比度。

步骤2所述对预处理后的红外图像进行分割以及图像角度校正的方法为：利用改进的二维Otsu算法对图像进行分割，接着利用Sobel边缘检测算法得到绝缘子串边缘图像，最后利用Hough变换对边缘图像进行线检测和倾角计算，根据倾角对图像进行旋转，校正图像角度。

步骤3所述绝缘子盘面的提取的方法为：利用最小二乘法对绝缘子盘面边缘进行椭圆检测，利用得到的椭圆方程提取单个绝缘子盘面，根据实际绝缘子的盘面个数设置阈值，当提取出来的绝缘子盘面个数达到阈值，则停止提取绝缘子盘面。

步骤4所述绝缘子红外图像特征的提取以及深度学习的方法包括：利用正常绝缘子与零值绝缘子发热情况的不同，以绝缘子钢帽、伞盘温差及温场形状为预选特征参数，利用三因素方差分析法对预选特征参数进行显著性检验，矫正受绝缘子串污秽程度、环境湿度和环境温度影响；利用不同湿度、不同污秽程度、不同温度实验数据集进行初始化网络模型的训练，通过数据的学习，得到卷积神经网络的初始化模型，再利用RCNN做绝缘子检测的时候，采集绝缘子样本集，利用初始化网络模型进行网络参数调优。

本发明有益效果：