[发明专利]一种基于深度神经网络识别线缆损伤的数据集样本采集装置

说明书

本发明公开了一种基于深度神经网络识别线缆损伤的数据集样本采集装置，其包括：支架以及以所述支架为支撑呈水平布置的带损伤的线缆；在所述线缆的上方设有图像采集装置，所述图像采集装置具有能沿线缆长度方向移动的摄像头；还包括能被所述摄像头采集到模拟环境景象的环境模拟装置。本发明提出的一种基于深度神经网络识别线缆损伤的数据集样本采集装置，可以在仅有少量包含损伤的线缆样本情况下，快速生成大量可用于深度神经网络训练的线缆损伤图像样本集，解决目前线缆损伤样本数量少的难题。

技术领域：

本发明涉及一种基于深度神经网络识别线缆损伤的数据集样本采集装置。

背景技术：

ADSS光缆是一种全介质，无金属，不导电的通信线缆，被广泛应用于电力系统的通信设施，其安全性对于电力系统正常稳定工作具有重要意义。ADSS随输电线路建设，挂点在电力铁塔中部，接近导线安全距离，易遭受电腐蚀侵害，又因ADSS光缆内部无任何金属部件，无法防止小动物啃咬，容易造成光缆损坏。因此通过巡线机器人或者无人机挂载自动识别装置，基于深度学习图像目标识别技术来进行自动损伤检测，可以有效提高检测效率，节省人力，实现电网智能化，保障ADSS光缆安全。

基于深度神经网络的目标检测技术近几年在图像处理领域获得很大成功，通过构建高性能的卷积神经网络，并预先采集足够数量的目标图像样本进行神经网络训练，可以实现目标物的自动识别与定位，可用于ADSS光缆各类损伤的自动检测。

图像数据集的采集数量与质量，对于深度神经网络的训练效果、ADSS光缆损伤检测的准确率影响很大。在实际环境下，巡线机器人拍摄到的线缆缺陷图片可能会包含各种复杂背景和不同天气、强度和角度的光线，想要准确识别不同环境下的线缆损伤，需要大量的包含多种环境光线条件、多种背景的线缆损伤图像样本集用于深度神经网络的训练。然而，由于该类图像数据通常不公开，且缺少针对性的收集与采集，因此难以获得足够数量的图像样本用于深度学习的训练。特别是针对巡线机器人特定角度拍摄的各类缺陷图片样本集的收集，是开发线缆损伤自动检测系统的难点之一。

发明内容：

为克服现有技术的缺陷，本发明的目的在于提出一种利用少量线缆损伤样本，通过搭建虚拟环境，在短时间内快速生成大量不同背景画面、不同光线条件的线缆损伤图像数据集的装置，并实现线缆损伤目标自动标定。为深度神经网络的训练提供足够多的图像样本集。

本发明解决技术问题采用如下技术方案：

一种基于深度神经网络识别线缆损伤的数据集样本采集装置，其包括：

支架以及以所述支架为支撑呈水平布置的带损伤的线缆；

在所述线缆的上方设有图像采集装置，所述图像采集装置具有能沿线缆长度方向移动的摄像头；

还包括能被所述摄像头采集到模拟环境景象的环境模拟装置。

作为优选，进一步地，所述支架包括底座以及固定设于所述底座上的竖杆，在所述竖杆上设有夹具用于夹持线缆。

作为优选，进一步地，所述图像采集装置的摄像头设于丝杠滑块直线往复机构上，具体包括：与所述线缆平行设置的导轨、丝杠，以及与所述丝杠配合的滑块，所述摄像头安装于所述滑块上，滑块由丝杠驱动沿导轨滑动，所述丝杠由步进电机驱动，所述步进电机的基座安装于竖杆上。

作为优选，进一步地，所述环境模拟装置包括：处于线缆下方能变换播放画面的液晶屏以及能模拟自然光的可调整色温、光线柔度的照明光源。

作为优选，进一步地，所述液晶屏设于液晶屏支架上，所述液晶屏支架的两端铰接在滑动块的立柱上，所述滑动块架设在于滑轨上，所述滑轨与所述线缆平行。

与已有技术相比，本发明的有益效果体现在：