[发明专利]基于空间变换Faster R-CNN模型的变电站设备缺陷在线检测系统

说明书

本发明公开了基于空间变换Faster R‑CNN模型的变电站设备缺陷在线检测系统。步骤1，获取离线训练样本：利用红外热像仪和高清摄像机拍摄变电站各种缺陷图像；步骤2，样本拓展算法处理：将步骤1处理得到的红外图像和可见光图像输入到设计的空间变换模型中以得到拓展的红外图像，并确定目标缺陷检测区域；步骤3，改进的Faster R‑CNN模型训练：将得到的拓展红外图像输入到改进的Faster R‑CNN模型中，不断训练使得模型收敛；步骤4，模型在线应用：将步骤1～步骤3训练得到的模型安装于上位机程序中，利用信息交互系统实时处理采集到的图像，最终实现对变电站设备缺陷的检测。本发明所述方法可以准确有效的检测出变电站设备存在的缺陷，具有良好的实际应用价值。

技术领域

本发明涉及变电站设备缺陷检测领域，特别是涉及基于空间变换Faster R-CNN模型的变电站设备缺陷在线检测系统。

背景技术

变电站牵涉的供电系统范围较广、分布范围大、设备型号多和供电负荷大，保障供电系统可靠的运行是一项越来越重要的工作。为保障电网系统可靠的运行和及时判定故障以进行设备维护，需要采用一系列新的技术手段和管理策略，其中，针对变电设备运行的安全检测系统是可靠性运行的技术保障手段之一。

该系统针对变电设备的运行，在其带电作业运行的条件下对供电设备运行状态实施自动连续监测，目的是保障变电设备运行能够始终处于正常状态，特别是在设备布点多、人工值守越来越不现实的情况下，有效提高了变电站安全运行保障的自动化和精确化程度，提高了企业的生产效率，创造了社会财富。

从目前的研究来看，在变电站设备缺陷检测领域中，利用深度学习模型进行缺陷的目标识别有着较广的应用，但是实际工业现场中缺陷图像样本较少，这会导致模型过拟合从而大大的降低模型的泛化性能。另外，如何保障所选用的深度学习模型能够很好的抓取缺陷图像的特征是另一大难题。

国内涉及变电站设备监测的专利有“一种用于输变电工程环水保监测的无人机系统及其航拍方法”(201911267799.X)，其中包括CPU和电源模块，CPU电性连接有GPS模块、惯性定位系统和驱动系统，该发明能够自动巡航，进行全方位检测，提高了定位精度，准确达到巡视目标位置并拍摄高分辨率图像，能用于输变电工程环水保监测，但该发明中采用的BP模型未考虑小样本条件下模型的泛化性能。国家发明专利“专用于变电设备及变电站区域移动式噪声检测系统”(201320284689.6)，该方法通过设计传感器采集模块、通信模块和用于存储变电站移动采集子站，加密后拷贝数据的安全存储介质及用于接收安全存储介质内信息的噪声监测主站，实现了噪声监测传感器的多点分布，覆盖范围广，保障了测试数据的完整性和连续性，噪声监测系统实现了对上传数据的监控、存储、发布和分析统计，使采集数据的应用及时且充分。

发明内容

为解决上述问题，本发明在图像的色彩空间变换和Faster R-CNN模型的基础上，提出了基于空间变换Faster R-CNN模型的变电站设备缺陷在线检测系统。考虑到实际工业应用中，带有缺陷的红外图像样本较为稀缺，本发明提出了STM模型，通过动态的滤波器矩阵以实现对红外样本的拓展，从而可以提高模型的泛化性能。另外，采用了Faster R-CNN模型实现对红外图像中存在的设备缺陷的检测，考虑到STM模型扩展得到的红外图像与原始的红外图像间存在一定的失真，本专利在Faster R-CNN模型原有的损失函数基础上加以改进，提出了新的损失函数，从而可以更加精确的检测出设备缺陷所在的区域。为达此目的，本发明提供基于空间变换Faster R-CNN模型的变电站设备缺陷在线检测系统，具体步骤如下，其特征在于：

步骤1，获取离线训练样本：利用红外热像仪和高清摄像机拍摄变电站各种缺陷图像；

步骤2，样本拓展算法处理：将步骤1处理得到的红外图像和可见光图像输入到设计的空间变换模型Spatial transformation model,STM中以得到拓展的红外图像，并确定目标缺陷检测区域；