[发明专利]一种基于图像分类的故障识别方法及装置

说明书

本发明公开了一种基于图像分类的故障识别方法，其特征是，包括：建立输电线路正常图像资料库和输电线路故障图像资料库；采集输电线路实时运行图像，对采集到的输电线路进行图像预处理，存储到待识别图像库中；将待识别图像输入基于深度学习特征点的图像分类网络对图像进行分类，存储到分类结果数据库中；将分类结果分别和所述输电线路正常图像资料库和输电线路故障图像资料库进行相似度判断，和预设阈值进行比较，根据比较结果判断当前输电线路是否出现故障以及发生故障的类型。

技术领域

本发明涉及电力系统故障识别技术领域，具体涉及一种基于图像分类的故障识别方法及装置。

背景技术

在电力系统中，输电线路是重要的组成部分，由于输电线路的工作环境是野外，因此不同的自然环境以及外部因素难免会对输电线路造成干扰和破坏，影响输电线路的正常工作状态，输电线路一旦出现故障，对于运行维护人员来说是很大的挑战，一方面对企业来说需要一定的管控水平，对专业性要求较高，目前的图像库与线路实际不吻合，导致不能指导线路进行高效检修。

在实际检修过程中会遇到如下技术问题：

现有台账记录形式沿用手工的形式反映，设备台账资料更新速度慢，输电线路周围发生较大的地理环境变化时，处理比较困难，线路巡视维护人员运行维护时，工作方式单一、劳动强度大，造成人员工作的能动性差，因此如何提出电力系统输电线路的故障识别装置给监控及检修人员提供参考，准确地识别和定位故障识别能力至关重要。

目前基于图像块的算法导致特征点位置精度不够准确，同时特征点与描述子分开进行训练导致运算资源的浪费，网络不够精简，实时性不足；或者仅仅训练特征点或者描述子的一种，不能用同一个网络进行联合训练；

发明内容

本发明的目的就是为了解决上述问题，提供一种基于图像分类的故障识别方法及装置，首先，建立正常图像资料库和输电线路故障图像资料库，实时将采集的图片进行分类处理后进行比较，通过相似性比较检测分类结果是否发生故障以及故障的具体类型，保证故障处理的及时性和准确性，为检修人员提供了指导，极大提高检修效率。

为了实现上述目的，第一方面，本公开提供了一种基于图像分类的故障识别方法；

建立输电线路正常图像资料库和输电线路故障图像资料库；

采集输电线路实时运行图像，对采集到的输电线路进行图像预处理，存储到待识别图像库中；

将待识别图像输入基于深度学习特征点的图像分类网络对图像进行分类，存储到分类结果数据库中；

将分类结果分别和所述输电线路正常图像资料库和输电线路故障图像资料库进行相似度判断，和预设阈值进行比较，根据比较结果判断当前输电线路是否出现故障以及发生故障的类型。

进一步的技术方案，所述建立输电线路正常图像资料库和输电线路故障图像资料库的过程为：采用无人机航拍分别采集输电线路正常运行状态下和发生故障时进行图像采集，对图像进行预处理，分别对应存储到输电线路正常图像资料库和输电线路故障图像资料库中。

进一步的技术方案，所述对图像进行预处理，具体包括：

将所述RGB类型的彩色图像的RGB空间转换为HSI空间，选取S分量作为所述灰度图，将所述灰度图转换到[0，255]的像素空间得到灰度图；

对所述灰度图进行图像增强，确定图像增强后的灰度图；

采用阈值分割方法对所述图像增强后的灰度图进行分割；

进一步的技术方案，所述基于深度学习特征点的图像分类网络包括：编码层、解码层和全连接层。

进一步的技术方案，所述分类过程为：

将待识别图像输入编码层，对输入的待分类图像进行编码，输出目标特征图；