[发明专利]一种缺陷绝缘子的检测方法

说明书

本发明提供了一种缺陷绝缘子的检测方法，具有这样的特征，包括：步骤一，采用第一技术建立缺陷绝缘子的数据库；步骤二，采用第一算法对数据库中边界框的宽和高进行聚类，以获取缺陷绝缘子的锚点框信息；步骤三，通过第一特征提取网络获取缺陷绝缘子的第一特征；步骤四，使用第二算法对缺陷绝缘子进行检测，将检测尺度由3个扩展至4个，得到4尺度预测边界框，从而获取缺陷绝缘子的深层次位置信息；步骤五，将第二算法中的4尺度预测边界框经过第三算法计算后，输出得分高的预测框，从而完成对缺陷绝缘子的检测，得到检测结果，其中检测结果包括缺陷绝缘子的锚点框信息、第一特征及缺陷绝缘子的深层次位置信息。

技术领域

本发明涉及缺陷绝缘子的检测技术领域，具体涉及一种缺陷绝缘子的检测方法。

背景技术

随着输电线路的不断建设以及电网技术的创新发展，基于机器人和无人机的智能电力巡检技术已经被广泛应用。电力绝缘子是对输电线路起到支撑与绝缘作用的重要电力部件，主要有陶瓷、玻璃和复合绝缘子三种类型，但其长期暴露在野外容易出现故障，一旦出现故障将会严重影响稳定的电能输送。为保障电网稳定运行，对输电线路巡检中故障绝缘子的检测尤为重要，其中绝缘子缺陷则是常见的故障类别之一。由于绝缘子常处于森林、房屋、河流和不同天气(如雨、雪、雾)等复杂场景，且出现缺陷的区域较小，所以会给绝缘子的缺陷检测带来一定的挑战。

目前绝缘子缺陷的检测方法可分为人工巡检、基于机器学习的图像识别技术和基于深度学习的目标检测算法。人工巡检主要通过人工排查绝缘子明显、直观的故障，费时费力且存在安全隐患。基于机器学习的图像识别技术如局部二值模式特征(Local BinaryPattern，LBP)，方向梯度直方图特征(Histogram of Oriented Gradient，HOG)和Deformable Part Models(DPM)目标检测算法等虽已取得一定的效果，但其主要使用单一特征(如颜色、纹理、形状等)进行检测，同时依赖人工提取特征，工作量大，检测效率低。

随着智能电网和深度学习技术的不断发展，研究人员开始将深度学习的技术应用到电力巡检领域。对于缺陷绝缘子的检测，目前较多的方法是通过模型组合或者直接将基于深度学习的目标检测算法应用到缺陷绝缘子的检测任务。虽然现有的研究取得了一定的检测效果，但对于复杂场景下的缺陷绝缘子识别仍然存在精度偏低、检测耗时等问题，且现有研究中缺陷绝缘子数据量相对太少，阻碍故障绝缘子的进一步研究。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种缺陷绝缘子的检测方法。

本发明提供了一种缺陷绝缘子的检测方法，具有这样的特征，包括：

步骤一，采用第一技术建立缺陷绝缘子的数据库。

步骤二，采用第一算法对数据库中边界框的宽和高进行聚类，以获取缺陷绝缘子的锚点框信息。

步骤三，通过第一特征提取网络获取缺陷绝缘子的第一特征。

步骤四，使用第二算法对缺陷绝缘子进行检测，将检测尺度由3个扩展至4个，得到4尺度预测边界框，从而获取缺陷绝缘子的深层次位置信息。

步骤五，将第二算法中的4尺度预测边界框经过第三算法计算后，输出得分高的预测框，从而完成对缺陷绝缘子的检测，得到检测结果，其中检测结果包括缺陷绝缘子的锚点框信息、第一特征及缺陷绝缘子的深层次位置信息。

在本发明提供的缺陷绝缘子的检测方法中，还可以具有这样的特征：其中，步骤一中，第一技术包括数据增强技术和图像标注技术。

在本发明提供的缺陷绝缘子的检测方法中，还可以具有这样的特征：数据增强技术，是使用翻转、旋转、随机颜色及随机裁剪的方法扩充数据库。