[发明专利]基于图像增强的输电线路细小金具缺陷检测方法及系统

说明书

本发明公开了基于图像增强的输电线路细小金具缺陷检测方法及系统，包括：将输电线路图像导入细小金具缺陷检测系统中；细小金具缺陷检测系统基于单图像超分辨率技术对输电线路图像进行图像增强处理，获得超分辨率图像；细小金具缺陷检测系统基于超分辨率图像进行特征图提取；细小金具缺陷检测系统基于特征图进行细小金具目标定位，用于确定包含细小金具的识别区域的位置和大小；细小金具缺陷检测系统对识别区域内的细小金具目标缺陷进行检测，本发明在对细小金具进行目标识别检测之前，采用增强型超分辨率生成对抗网络ESRGAN进行超分辨率重建，获取到图像数据的高分辨率图像，对图像数据进行增强，显著提升细小金具缺陷检测精度。

技术领域

本发明涉及输电线路检测领域，具体涉及基于图像增强的输电线路细小金具缺陷检测方法及系统。

背景技术

电力螺栓等细小金具应用于我们常见的输电配送线路，需要经受较长时间的野外作业腐蚀和强烈的碰撞摩擦，在电网中拥有庞大的数量，起到座基、线路设备等的稳固作用。但是由于细小金具所处的环境复杂恶劣，同时也是极易发生破损的元件。一旦破损，就会引起供电中断从而影响整个电网的安全运行。目前通过深度学习图像识别技术对螺栓缺销子、螺栓缺螺母等缺陷图片进行图像识别处理，从而形成缺陷诊断。

但目前由于细小金具类故障缺陷目标太小，细小金具类缺陷由于在无人机拍摄的高清图像中像素占比极小，占原图比例小于5％，传统的深度学习图像识别方法特征提取过程中小目标像素信息损失严重，导致像素信息和语义信息无法均衡获取，严重影响检测精度。

发明内容

针对上述现有技术存在的问题，本发明提供了基于图像增强的输电线路细小金具缺陷检测方法，本发明在对细小金具进行目标识别检测之前，采用超分辨率重建技术对图像数据进行数据增强，获取纹理更清晰的高分辨率图像，在此基础上，采用了FPN特征金字塔算法进行特征图提取，利用FPN特征金字塔中低层次特征图中小目标的表现力和每一层特征图丰富的语义信息，提高对小目标细小金具检测的准确性，具体包括：

将无人机飞行器航拍获取的输电线路图像导入细小金具缺陷检测系统中；

细小金具缺陷检测系统基于单图像超分辨率技术对输电线路图像进行图像增强处理，获得超分辨率图像；

细小金具缺陷检测系统基于超分辨率图像进行特征图提取；

细小金具缺陷检测系统基于特征图进行细小金具目标定位，用于确定包含细小金具的识别区域的位置和大小；

细小金具缺陷检测系统对识别区域内的细小金具目标缺陷进行检测。

作为上述方案的进一步优化，所述细小金具缺陷检测系统基于单图像超分辨率技术对输电线路图像进行图像增强处理，采用训练好的增强型超分辨率生成对抗网络ESRGAN，其中，ESRGAN模型训练时：

基于导入的训练图像进行下采样获取对应的低分辨率图像；

将低分辨率图像输入生成网络中获取超分辨率图像，以原始的训练图像为标签数据计算生成网络的损失函数值，当生成网络的损失函数值小于0.1时，停止生成网络的训练；

将超分辨率图像和原始的训练图像输入判别网络中获取原始的训练图像比超分辨率图像更真实的概率，当判别网络的损失函数值小于0.1时，停止判别网络的训练；

ESRGAN模型进行待检测图像增强处理时：将导入的输电线路图像输入到ESRGAN模型的生成网络中获得对应的超分辨率图像。

作为上述方案的进一步优化，所述ESRGAN模型的训练过程采用小批量随机梯度下降优化方式对损失函数值进行优化，对网络参数迭代更新。