[发明专利]基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法

权利要求书

1.基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法，其特征在于，包括以下步骤：

S1：图像采集；

S2：制作图像本集，包括以下步骤：

S2-1：缺陷图像标注：

S2-2：数据清洗；

S2-3：数据增强，包括以下步骤：

S2-3-1：输入图像img；

S2-3-2：设定上限裁剪区域max；

S2-3-3：将待裁剪图像与上限裁剪区域的尺寸对比，包括宽度值、高度值；

S2-3-4：当满足待裁剪图像尺寸比上限裁剪区域大，则需要对图像进行裁剪，首先解析图像的xml标签文件中的object；

S2-3-5：寻找包围所有object的最小外接矩形；

S2-3-6：从原图中裁剪出最小外接矩形区域；

S2-3-7：计算最小外接矩形内各个object在新裁剪图像中的坐标，写入新裁剪图像的xml标签中；

S2-3-8：数据增强完成；

S2-4：将原始图像与增强后的图像分别进行图像缩放；

S2-5：将缩放后的原始图像与缩放后的裁剪图像合并，制作图像样本集，包括训练集和测试集，用于下述的模型训练和模型测试的步骤；

S3：利用训练集数据训练Cascade RCNN模型，并测试模型精度，包括以下步骤：

S3-1：选用Cascade RCNN目标检测算法进行变压器外观缺陷的识别；

S3-2：利用训练样本；

S3-3：训练得到模型；

S3-4：测试模型精度；

S3-5：判断模型是否符合巡检运维要求；

S4：将模型部署到巡检机器人集控平台上，包括以下步骤：

S4-1：巡检机器人可见光拍照；

S4-2：服务器端部署；

S4-3：加载模型；

S4-4：图片推理；

S4-5：缺陷识别结果；

S4-6：web服务发至集控平台；

S4-7：巡检结果展示。

2.根据权利要求1所述的基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法，其特征在于：在S1中，通过电站中的运维人员和工程师采用照相机、手持终端、摄像头等工具对变压器的外观缺陷情况进行图像采集。

3.根据权利要求1所述的基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法，其特征在于：在S1中，图像采集主要针对以下常见的物种缺陷类型：

(1)部件表面渗漏油污；

(2)部件表面金属锈蚀；

(3)呼吸器硅胶变色；

(4)呼吸器油位油封异常；

(5)主变区异物，包括挂空悬浮物和鸟巢。

4.根据权利要求1所述的基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法，其特征在于：在S2中，数据增强采用图像裁剪方式进行。

5.根据权利要求1所述的基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法，其特征在于：在S3中，Cascade RCNN算法属于三阶段的级联检测算法，更适用于目标尺度差异大和存在小目标的情况，如变压器外观缺陷中渗漏油、呼吸器硅胶变色属于尺度差异较大的两种缺陷类型。

6.根据权利要求1所述的基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法，其特征在于：在S3中，若模型尚不能符合巡检运维要求，如存在较高的漏检率和误检率，则需要对模型的超参数重新进行优化调整，并对模型重新进行训练，当模型指标能够满足国网运维要求时，可输出模型，并部署到巡检机器人远端服务器上。

7.根据权利要求1所述的基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法，其特征在于：在S4中，智能巡检机器人采用可见光巡视功能，即在白天通过高清摄像机采集变压器设备的外观图像，主要用于巡检变压器区域内设备的外观状态。

8.根据权利要求7所述的基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法，其特征在于：在S4中，变压器外观缺陷的识别结果可保存为巡检历史数据并生成报表，运维人员在运维主站根据机器人自动生成上传的缺陷报表就可掌握缺陷设备运行状况，并根据巡检机器人的告警信息，及时查看核对设备状态并汇报调度处理。