[发明专利]一种电力设备巡检方法

说明书

本发明公开了一种电力设备巡检方法，包括，利用自注意力模块提取电力设备图像特征；基于将电力设备间关系和深度自注意力网络，搭建深度自注意力关系网络；将电力设备图像特征依次输入深度自注意力关系网络的编码器和解码器，进行特征融合和映射；将特征融合和映射结果输入至深度自注意力关系网络的前馈网络，以预测电力设备的种类和边界框的位置、宽度、高度；本发明通过将物体间关系和深度自注意力网络进行结合，提出深度自注意力关系网络，具有更高的计算效率，更好的扩展性、灵活性以及特征提取能力，为实现电力设备巡检自动化提供了一种新思路。

技术领域

本发明涉及电力设备巡检的技术领域，尤其涉及一种电力设备巡检方法。

背景技术

为了保证电网供电可靠性，需要对高压设备进行定期巡检，以及时发现设备缺陷并消除安全隐患。近些年，随着电网的逐步发展，以及国家电网公司逐步实施定编定岗政策，设备和巡检人员数量上的不匹配问题日益突出，严重影响了巡检质量。

目前人工巡检仍然是高电压等级换流站和变电站中的主要运检方式，占用站内运维人员大量工作时间，同时还存在方式单一、质量不稳定等缺点。此外，设备巡检不全面、智能化程度较低等问题也急待解决。且巡检范围存在大量盲区，需灵活改变巡检路线以便于进一步确认现场情况。巡检工作中对于采集的红外图像和可见光图像，基本以人工识图为主，占用大量人力，且受拍摄图像质量影响较大。

随着人工智能技术的发展，变电站内关键设备的自动化巡检和机器人、无人机等异物自主检测成为可能。通过巡检机器人自动采集图像并分析，发现隐患及时上报站内值班人员，巡检工作量大大减少，站内设备运维水平也明显提升。

目前国内外针对变电设备自动化巡检以及状态监测的研究主要在输电线路图像分析，即通过无人机巡检图像获取线路信息，如弧垂测量和覆冰、断股、弧垂等特定缺陷的识别，同时提取识别杆塔和绝缘子的状态特征。目前关于图像处理技术在变电设备状态检测领域的研究并不多，工程应用中往往也是直接使用计算机领域的图像识别模型，但相比于计算机领域中庞大的支撑数据库，电气领域图像数据较少，不足以支撑复杂模型的训练和测试。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明解决的技术问题是：本发明能够解决计算效率低、扩展性差、灵活性弱等问题。

为解决上述技术问题，本发明提供如下技术方案：包括，利用自注意力模块提取电力设备图像特征；基于将电力设备间关系和深度自注意力网络，搭建深度自注意力关系网络；将所述电力设备图像特征依次输入深度自注意力关系网络的编码器和解码器，进行特征融合和映射；将特征融合和映射结果输入至深度自注意力关系网络的前馈网络，以预测电力设备的种类和边界框的位置、宽度、高度。

作为本发明所述的电力设备巡检方法的一种优选方案，其中：所述自注意力模块包括，所述自注意力模块为ResNet50网络，通过ResNet50网络获得电力设备图像特征f∈R^C×H×W；缩减电力设备图像特征f∈R^C×H×W的特征通道维度，并将其空间维度压缩为一维，获得特征f_o′∈R^d×HW；其中，C为通道数，H为特征图的高度，W为特征图的宽度，d为缩减后的特征图通道数。

作为本发明所述的电力设备巡检方法的一种优选方案，其中：所述深度自注意力关系网络由编码器、解码器和前馈网络构成。