[发明专利]电力巡检图像识别方法

说明书

本发明公开了一种电力巡检图像识别方法，包括以下步骤：对摄像机进行标定，对视频进行处理得到帧图，采用基于主动光照的图像增强的方法对得到的图像进行预处理，基于YOLOv4网络目标检测方法，对绝缘子图像进行目标识别，绝缘子提取，绝缘子特征提取。由于本发明方法只对预选框图像进行特征匹配运算，减少了图片中图像大小，大大提高了计算效率，为提高目标检测实时性起到有益效果。本发明对真实环境下的包含复杂背景的巡检图像中的绝缘子进行缺陷识别，为电网维修部门提供可靠的技术支持。

技术领域

本发明涉及一种电力巡检图像识别方法，属于图像处理识别技术领域。

背景技术

随着国民经济的飞速发展，人们对于电能的依赖和需求也越来越大，由此带来的电力巡检任务也在不断增大。近年来，科技水平的提高使得无人机巡线、机器人巡线等方式逐步替代了传统的人工巡线方式，这些新兴的巡线方式在一定程度上提高了工作效率和安全性能。然而，海量的背景复杂、缺陷种类繁多的巡检图像，仍然给相关检修部门带来了极大的挑战。随着人工智能和图像技术不断发展和成熟，对电力器件缺陷进行智能识别成为可能。

电力器件中，绝缘子是输电线路中用量庞大且极其重要的部件，起到电气绝缘及机械支撑作用。由于绝缘子长期暴露在野外环境中，极易出现各种缺陷和隐患，据统计，由绝缘子缺陷引起的事故目前已成为电力系统故障中所占比例最高的。因此，对此缺陷绝缘子进行智能精确检测，及时完成缺陷或隐患诊断尤为重要。

目前，对巡检图像绝缘子识别存在以下技术难题：

绝缘子体积小，数量多，机巡图像中的绝缘子本身属于较小目标检测，在光线暗弱、、背景复杂、天气状况不佳(如雨雪霜雾天气)条件下，难以对图像中的绝缘子进行识别定位。

现有技术基于巡检图像的绝缘子缺陷识别大多是通过基本图像处理或模式识别方法检测绝缘子缺陷，该类算法要求图像背景较纯净、绝缘子与背景对比度高。近几年，有研究人员将人工智能引入绝缘子的检测过程中，采用深度学习检测绝缘子的缺陷，但也存在以下问题：深度学习可实现多层非线性变换，将底层特征有效地组合成一个更加抽象的高层表示属性，当存在目标遮挡，目标尺寸较小时也有一定检测效果，但由于深度神经网络结构复杂，这使其应用到特定环境中时需调整大量参数，计算量大，耗费计算资源多，识别速度慢。

发明内容

本发明的目的在于提供一种电力巡检图像识别方法，基于YOLOv4(YOU ONLY LOOKONCE)目标检测方法来进行目标特征提取与识别，解决现有技术在光线暗弱、背景复杂条件下对体积较小的绝缘子无法准确识别定位，以及计算量大，耗费计算资源多，识别速度慢的问题。

本发明的目的通过以下技术予以实现：

一种电力巡检图像识别方法，包括以下步骤：

1)前景视场分别在左右摄像机上成像，形成左图和右图，采集左右摄像机图像，对摄像机进行标定，得到摄像机内参数矩阵，畸变系数矩阵，本征矩阵，基础矩阵，旋转矩阵以及平移矩阵；

2)对视频进行处理得到帧图，采用基于主动光照的图像增强的方法对得到的图像进行预处理，包括以下步骤：

①利用景深将图像分为前景与背景区域；

②在景深的基础上，根据绝缘子与背景的梯度信息把绝缘子与背景分割开；

③选择无穷远处与绝缘子非相关性较低的像素点作为背景光估计；

④利用红色逆通道法求出R、G、B三个通道的透射率；

⑤得到背景光与透射率之后，计算下式

I^c(x)＝J^c(x)·t^c(x)+B^∞c[1-t^c(x)] (1)