[发明专利]一种基于分类网路的电力复合绝缘子憎水性分类系统

说明书

本发明公开了一种基于分类网路的电力复合绝缘子憎水性分类系统，包括图像采集装置、数据传输链路、训练服务器、TX2端侧推理设备、显示模块。其中，图像采集装置用于拍摄不同天气、不同地形条件下的输电线路上带水珠的复合绝缘子图像；训练服务器用于数据增强、数据集存储、训练RepVGG分类模型、模型转换；数据传输链路用于向TX2端侧推理设备传输图像数据；TX2端侧推理设备用于模型移植和数据推理；显示模块用于对接收到的分类结果进行显示。本发明提出了一套复合绝缘子憎水性图像智能分类的系统，解决了实际场景中计算资源不能大规模部署的问题，实现了不同天气、不同地形条件下边缘侧的复合绝缘子憎水性图像实时分类。

技术领域

本发明涉及一种基于分类网路的电力复合绝缘子憎水性分类系统，属于图像分类和机器视觉领域。

背景技术

复合绝缘子凭借其重量轻、强度高、不易破碎、耐污性能好等显著优点被广泛地应用于电力系统中。

但由于复合绝缘子所处环境的影响，长时间使用，多半会造成绝缘子憎水性等级的变化。若不及时检测检修，复合绝缘子憎水性等级的下降将会导致耐污闪能力降低，进一步会影响电力系统运行稳定性。

目前，在绝缘子憎水性检测领域，已经开展了大量研究。但是总体过程较为繁琐、识别效率较低。

因此，有必要设计一种基于分类网路的电力复合绝缘子憎水性分类系统。

发明内容

本发明所要解决的技术问题是提供一种基于分类网路的电力复合绝缘子憎水性分类系统。

发明的技术解决方案如下：

一种基于分类网路的电力复合绝缘子憎水性分类系统，由图像采集装置、数据传输链路、训练服务器、TX2端侧推理设备、显示模块组成；

所述图像采集装置用于拍摄不同天气、不同地形条件下的输电线路上带水珠的复合绝缘子图像；所述训练服务器用于数据增强、数据集存储、训练RepVGG分类模型、模型转换；所述数据传输链路用于向TX2端侧推理设备传输图像数据；所述TX2端侧推理设备用于模型移植和数据推理；所述显示模块用于对接收到的分类结果进行显示。

所述数据增强包含颜色变换和几何变换，颜色变换由高斯噪声、高斯模糊、图像擦除、图像填充组成；几何变换由图像翻转，图像旋转，图像随机裁剪，图像随机缩放组成。

所述数据集存储，是将图像大小为640×640，图像通道为RGB的绝缘子带水珠的图片，按照HCl-HC3、HC4-HC5、HC6-HC7三个尺度，来标记划分憎水性等级，按照4∶1比例划分训练集和测试集，并存放于不同文件夹下。

所述数据传输链路使用MQTT作为通信协议。

所述模型转换技术路线为：首先将model.pth转换为model.onnx，再将model.onnx转换为model.trt。

所述训练RepVGG分类模型，在进行模型在训练时，为RepVGG网络中每一个3x3卷积层添加平行的1x1卷积分支和恒等映射分支，构成一个RepVGG Block；实现方式为：

所述模型推理，是训练RepVGG模型完成后，对模型做等价转换，实现方式为：y＝x+g(x)+f(x)转换为y＝h(x)，其中，

x表示每层的输入，f(x)表示3×3卷积；

g(x)是一个1×1的卷积，h(x)恒等映射分支的输出。

所述模型移植为TRT量化后的模型，实现方法为：

x_Q＝clamp(0，N_levels-1，x_int)

a，x≤a