[发明专利]一种输电线路金具锈蚀检测方法及系统

说明书

本发明公开了一种输电线路金具锈蚀检测方法及系统，涉及输电线路检修技术领域，解决了常见传统的电塔金具检修中，需要大量的电网工作人员进行人工的数据处理和判读，制约了检测的数据处理速度的问题，其技术方案要点是，将影像信息数据输入至目标金具检测模型进行识别和计算；对目标金具设备标识信息数据进行筛选，并将对应的目标金具设备置信度信息数据与总预置置度信息数据进行对比，判断目标金具设备标识信息数据是否属于总预置类别信息数据，达到可以更精确定位到机巡图像内的目标金具设备的位置，可以有效的规避因光照带来外界影响，大大提高系统的可靠性、抗干扰性的目的。

技术领域

本发明涉及输电线路检修技术领域，特别涉及一种输电线路金具锈蚀检测方法及系统。

背景技术

输电线路铁塔上的连接金具起着连接和固定裸体导线、导体、绝缘子，传递机械载荷、电气载荷的重要作用。具有使用量大，工作可靠性要求高等特点，一旦金具腐蚀失效，将造成连接线路断开或者掉落，导致断电、跳闸等重大事故。

传统的电塔金具检修需要高空停电上塔检修作业采用人工现场观测、主观判断的手段来完成。近些年无人机巡检技术兴起之后，在巡视方法上进行了改进，采用无人机图像采集技术，对铁塔关键位置进行现场数据采集、事后集中进行人工图像判定或者传统图像算法判定的方法。而且需要施工人员具备良好的专业素质和身体素质进行上塔作业，现场作业人员巡检任务重、效率低、施工难度大、安全系数低等隐患，难以及时的发现连接金具的锈蚀状况进行应对。

无人机巡检技术兴起之后，在巡视方法上进行了改进，采用无人机图像采集技术，对铁塔关键位置进行现场数据采集、事后集中进行人工图像判定的方法，每个县区供电公司每季度的无人机影像数据采集量达到 500GB-800GB,由于采集的影像数据量多、锈蚀部位区域影像中占比面积小等特点，制约了检测的数据处理速度，需要大量的电网工作人员进行人工的数据处理和判读。

发明内容

本发明的目的是提供一种输电线路金具锈蚀检测方法，具有通过深度学习目标检测算法可以更精确定位到机巡图像内的目标金具设备的位置，这样能有效选出感兴趣目标再进行二次识别，对识别目标进行深度学习网络计算可以有效的规避因光照带来外界影响，大大提高系统的可靠性、抗干扰性的优点。

本发明的上述技术目的是通过以下技术方案得以实现的：一种输电线路金具锈蚀检测方法，包括如下步骤：预设有总预置类别信息数据和总预置置度信息数据；将影像信息数据输入至目标金具检测模型进行识别和计算，以获取目标金具设备标识信息数据、以及目标金具设备置信度信息数据；对目标金具设备标识信息数据进行筛选，并将对应的所述目标金具设备置信度信息数据与总预置置度信息数据进行对比，判断所述目标金具设备标识信息数据是否属于总预置类别信息数据。

通过采用上述技术方案，在本方案中，目标金具缺陷数据和目标金具缺陷数据均是与铁塔金具锈蚀相对应，但不仅限于此，还可以是其他简单特征的替换或叠加。在本方案中，目标金具缺陷是指锈蚀缺陷。

本发明能够通过深度学习目标检测技术，结合无人机飞行巡检系统、通过GPU计算集群模块管理调度技术、网络文件NFS共享系统等技术建立基于无人机影像的一整套快速分析判定金具锈蚀的数据处理方法与系统，相比于传统人工停电后上塔作业的检修方法，本方案大大提高了作业的效率与安全性；其次，本方案在与传统的无人机影像人工判断、传统的图像算法判读相比，本方案的深度学习目标检测技术具有鲁棒性高、适用性好等特点，能够利用深度学习网络对目标进行有效特征提取并通过前期建模数据精确判断目标所属类别，相比于传统的人工判读方法大大提高了判断的效率与可靠性。其次，结合本发明中使用的二次筛选分别判定目标金具设备与金具缺陷的算法过程，使用判定目标金具设备的Proposal区域(区域图像)作为目标金具缺陷的初始数据，既能够大大提高算法的鲁棒性，还可大大降低了误判的可能性。