[发明专利]一种基于级联检测模型的绝缘子掉串故障检测方法

说明书

本发明提供一种基于级联检测模型的绝缘子掉串故障检测方法，涉及输电线路绝缘子故障检测技术领域，首先采集输电线路绝缘子航拍图像，制作绝缘子数据集和绝缘子掉串数据集；建立并训练绝缘子定位检测模型和绝缘子故障检测模型；先通过训练好的绝缘子定位检测模型定位出绝缘子位置，再利用绝缘子故障检测模型对定位出的绝缘子进行故障检测，最后在测试图像上输出定位和故障检测结果。本发明可以有效地提高绝缘子掉串故障检测的准确率；本发明对于航拍图像中不同尺度、复杂背景干扰、以及有遮挡的绝缘子检测具有很好的鲁棒性，可以有效实现对输电线路巡检图像中绝缘子掉串故障检测。

技术领域

本发明涉及输电线路绝缘子故障检测技术领域，具体涉及一种基于级联检测模型的绝缘子掉串故障检测方法。

背景技术

绝缘子在输变电线路中数量众多，起着电气绝缘和机械连接的重要作用。由于输变电线路跨越各种复杂的自然地理环境，长期暴露在户外环境下，容易出现掉串故障。绝缘子掉串故障会影响整个输电线路的安全和稳定运行，甚至给电网造成巨大的经济损失。为了保证输电线路的正常运行，绝缘子掉串故障检测已成为输电线路智能检查的首要任务。为实现输变电线路的自动化与实时巡检，图像处理技术逐渐取代人工筛检航拍巡检图片。但传统的目标检测算法针对海量的巡检图片，检测速度与检测效果均无法满足实际应用需求。

随着深度神经网络的发展，特别是深度卷积网络在图像识别中的成功应用，深度学习检测模型已在电力巡检中得到了应用。现有绝缘子故障检测都是采用一种深度学习模型来实现，由于现实生活中绝缘子掉串故障不易采集，而且绝缘子掉串故障数量相比于绝缘子数量要少的多。采用单一检测模型进行绝缘子故障检测不仅检测准确率和召回率不高，而且在训练过程中容易出现类别不平衡。

发明内容

(一)解决的技术问题

本发明针对在上述现有技术的缺陷问题，提供了一种基于级联检测模型的绝缘子掉串故障检测方法。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于级联检测模型的绝缘子掉串故障检测方法，包括以下步骤：

S1、采集输电线路巡检图像，建立绝缘子图像集和绝缘子故障图像集；

S2、遍历绝缘子图像集和绝缘子故障图像集，对图像中绝缘子位置及绝缘子故障位置进行标注，制得绝缘子数据集和绝缘子故障数据集；

S3、将绝缘子数据集划分为绝缘子训练集和绝缘子测试集，将绝缘子故障数据集划分为绝缘子故障训练集和绝缘子故障测试集；

S4、建立基于深度学习的绝缘子定位检测模型，所述绝缘子定位检测模型具体包含依次连接的骨干网络、金字塔池化网络、特征融合网络、目标检测网络；建立三尺度预测的YOLOv4-tiny绝缘子故障检测模型；

S5、分别利用绝缘子训练集和绝缘子故障训练集训练绝缘子定位检测模型和绝缘子故障检测模型，得到训练好的绝缘子定位检测模型和绝缘子故障检测模型；

S6、将绝缘子测试集图像和绝缘子故障测试集图像输入步骤S5所述的绝缘子定位检测模型，先利用绝缘子定位检测模型检测绝缘子的位置，并将绝缘子位置作为感兴趣区域，再利用绝缘子故障检测模型对感兴趣区域内的绝缘子进行故障检测，最后在绝缘子测试集图像上输出检测结果。