[发明专利]一种输电线路的金具锈蚀图像检测方法及装置

说明书

本发明公开了一种输电线路的金具锈蚀图像检测方法及装置，其方法包括：从预先构建的金具锈蚀数据库中，获取多个金具锈蚀图像；通过缺陷分析模块，确定多个所述金具锈蚀图像的分析框；所述分析框标注有样本缺陷标签；基于所述金具锈蚀数据库中的所有图像，及所有所述图像对应的样本缺陷标签，构建Cascade R‑CNN网络；获取待测金具锈蚀图像；将所述待测金具锈蚀图像输入所述Cascade R‑CNN网络，确定所述待测金具锈蚀图像中的金具是否存在锈蚀现象。利用计算机视觉自动识别待识别金具锈蚀图像，确定图像中的金具是否存在锈蚀现象，相比于现有的检测方法，识别的正确率和识别效率都得到了大大提升。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种输电线路的金具锈蚀图像检测方法及装置。

背景技术

我国高压输电线路距离长，且沿线超市环境较多，使得输电线路中的金具容易受到锈蚀破坏。而在输电线路中，金具起着连接和固定裸导线、导线和绝缘子，起着传递机械载荷、电器负载的重要作用，假如金具由于锈蚀造成连接线路断开或金具掉落，从而引起停电跳闸的重大事故。因此，输电线路的金具锈蚀检测是输电线路缺陷检测的重要方面。

目前，输电线路的金具锈蚀检测的方法主要依靠人工目测为主，其一是巡检人员抵达杆塔附近通过望远镜检测杆塔金具是否锈蚀；其二是通过直升机/无人机拍摄巡检照片，然后人工判断杆塔金具是否锈蚀。不管是哪一种人工目测方法，都存在主观性强和检测效率低的问题。

发明内容

本发明提供了一种基于分层鸽群算法的光伏最大功率跟踪方法及装置，能够在光照强度变化的条件下，高效准确地追踪光伏系统的全局最大功率点。

第一方面，本发明提供的一种输电线路的金具锈蚀图像检测方法，所述方法包括：

从预先构建的金具锈蚀数据库中，获取多个金具锈蚀图像；

通过缺陷分析模块，确定多个所述金具锈蚀图像的分析框；所述分析框标注有样本缺陷标签；

基于所述金具锈蚀数据库中的所有图像，及所有所述图像对应的样本缺陷标签，构建Cascade R-CNN网络；

获取待测金具锈蚀图像；

将所述待测金具锈蚀图像输入所述Cascade R-CNN网络，确定所述待测金具锈蚀图像中的金具是否存在锈蚀现象。

可选地，基于所述金具锈蚀数据库中的所有图像，及所有所述图像对应的样本缺陷标签，构建Cascade R-CNN网络，包括：

将所述金具锈蚀图像依次输入至初始化的Cascade R-CNN网络，在对应的所述分析框中生成样本缺陷；

根据所述金具锈蚀图像对应的样本缺陷和样本缺陷标签，确定训练误差；

基于所述训练误差，对所述初始化的Cascade R-CNN网络进行调整，以得到最优网络参数，并采用所述最优网络参数生成所述Cascade R-CNN网络。

可选地，将所述金具锈蚀图像依次输入至初始化的Cascade R-CNN网络，在对应的所述分析框中生成样本缺陷，包括：

将所述金具锈蚀图像输入至所述初始化的Cascade R-CNN网络中的Cascade网络，在所有所述分析框中生成所述金具锈蚀图像对应的初始样本缺陷；

将所有所述初始样本缺陷输入至所述初始化的Cascade R-CNN网络中的FPN网络，得到所述初始样本缺陷对应的强化后的样本缺陷；所述强化后的样本缺陷中包含多个小目标；

利用所述Cascade R-CNN网络中的Anchor，对多个小目标进行识别，得到所述样本缺陷。