[发明专利]一种基于深度卷积神经网络的输电线路绝缘子部件爆片缺陷识别定位方法

说明书

本发明属于信息自动化技术领域，公开了一种基于深度卷积神经网络的输电线路绝缘子爆片缺陷识别定位方法，通过人为标记的手段对巡检图片进行标注并对物体检测SSD模型进行训练，然后对实时的输电线路巡检图像进行识别；对识别出来的绝缘子区域进行梯度检测计算出绝缘子区域的方向，使用kmean聚类算法分割出图像中的绝缘子区域，对绝缘子区域进行方向校正和在列方向上对绝缘子前景点进行计数，这样就可以得到绝缘区域前景点在水平方向上上的分布曲线，进而定位出绝缘子上的爆片点。本发明有效的解决了在各种分辨率、各种复杂场景图像中定位出绝缘子，并准确识别出绝缘子爆片缺陷位置，在很大程度上提升了输电线路的自动巡检能力和巡检效率，大幅地降低了电网系统维护成本。

技术领域

本发明属电力行业输电线路缺陷识别技术，涉及人工智能和图像处理领域。

背景技术

绝缘子是输电线路系统中的关键部件其性能的好坏直接关系到整个电网系统的安全稳定。输电线路中的绝缘子部件长期工作在野外的自然环境下，遭受着日晒、雨淋、雷电等恶劣自然环境的侵蚀；此外，还受到持续机械张力，电气闪络和自身材料老化的影响。在以上这些因素的影响下，绝缘子会出现自爆、裂纹和污秽等缺陷。如果不及时检测和更换必将严重的危害输电线路系统的安全运行。

目前已有的一些绝缘子爆片识别方法只能解决单一背景下的绝缘子识别问题，却无法解决复杂背景高分辨率的应用场景。王银立等提出绝缘子的连通区域特征来识别绝缘子的爆片缺陷，在正面拍摄绝缘子串的条件下该方法取得较好的检测效果，但是在斜向拍摄的情况下该方法就将失去检测绝缘子的能力；熊杰等提出通过色彩空间变换后，使用Otsu图像分割法分割绝缘子区域，由于在自然环境下拍摄到的绝缘子图像，图像的背景可能与绝缘子区域的色彩分布是相同的此时图像的直方图不在是驼峰结果，在这种情况下绝缘子的分割将不再准确；赵振兵等提出了基于NSCT方法提取航拍图像中的绝缘子区域，当是在实际的场景中绝缘子在图像内出现的大小是不确定的，即在有的图像中绝缘子在图像中所占的面积较大，在有些图像中绝缘子在图像内出现的面积较小，导致边缘提取的算法不存在很好的泛化能力。

综上所述,现有的绝缘子爆片检测方法存在以下的问题：

(1)输电线路往往处于复杂的自然环境中，高山、树林、草地遍布其中，而且光照变化复杂，导致实际拍摄到的图像具有复杂的背景。

(2)由于拍摄角度的变化，使得绝缘子的形状存在很大变化，并没有固定的形状特征。

(3)由于在巡检过程中所使用的成像设备不统一，导致待识别图像具有多种分辨率，镜头的焦距千差万别，图像的景深复杂，导致绝缘子的图像特征差异巨大。

对于绝缘子缺陷的巡检传统的输电线路巡检方式主要是人工登塔观察，这种方法使得巡检效率低下，人工成本高昂且对巡检人员的威胁较大。随着科学技术的发展，无人机自动化巡检方法进入输电线路巡线行业已经是必然趋势。故在航拍图像中准确的检测和分割电力部件如绝缘子，已经是一个亟待解决的问题；而现有的绝缘子检测算法却不能克服复杂背景和图像多分辨率的影响，这使得绝缘子的图像分割成为难题，而绝缘子的分割成败往往决定着缺陷识别的成败。

发明内容

针对现有技术存在的问题，本发明提供了基于深度卷积神经网络的输电线路绝缘子部件爆片缺陷识别定位方法。本发明实现的绝缘子爆片缺陷检测方法包括以下步骤：

第一步，获取高分辨率的输电线路巡检图像数据；

第二步，通过人工的方法对其中的绝缘子区域进行标注，即记录下绝缘子区域在高分辨率图像中的位置坐标信息；

第三步，使用步骤二中标注好的绝缘子图像数据，对深度神经网络模型进行离线训练；

第四步，通过SSD模型实时检测巡检图像，获取到图像中的绝缘子区域；