[发明专利]一种输电故障类型自动识别判断方法

权利要求书

1.一种输电故障类型自动识别判断方法，其特征在于，包括如下步骤：

步骤1.巡检图像数据预处理，具体是指：

利用中值滤波去噪方法，对待判断识别的巡检图像进行预处理，得到初始图像数据；

步骤2.数据处理

针对同一个采集角度获取的图像，进行明暗度恢复处理；对高分辨率的图像进行轻量化处理，轻量化处理包括对预处理图像进行切割、压缩、和分散；

步骤3.故障类型数据库建立

抽取巡检数据库中的目标故障图像，根据故障类型进行图像的分类和得到与各故障类型相对应的分类图像，对分类图像进行预处理得到故障图像块，预处理是指基于前述步骤2的处理；对预处理后获取的故障图像块进行标签化处理建立不同故障类型的故障数据库；抽取故障类型数据库中的60％～90％数据建立训练数据库，抽取剩余的40％～10％数据建立测试数据库；

步骤4.建立基于CAPSnet的故障特征提取网络

CAPSnet故障特征提取网络包括编码器和解码器；

编码器由多特征提取模块和胶囊模块构成；特征提取模块包括多个用于提取特征的残差块；胶囊模块由特征输入层、主胶囊层、数字胶囊层构成；

特征输入层获取故障数据库的图像块输入通过残差块提取得到特征，主胶囊层用于构建特征相关性；

解码器包括多个反卷积层，编码层的输出经过低维化处理后，将其输入反卷积层重构后得到多维图像；

步骤5.基于CAPSnet故障特征提取网络的故障判断

步骤6.

利用故障类型数据库对CAPSnet故障特征提取网络进行训练和测试，直至测试结果满足误差需求，利用CAPSnet故障特征提取网络对巡检图像数据进行分类识别，根据分类结果确定目标对象的故障特征属性，根据目标对象的故障特征属性确定其故障类型。

2.根据权利要求1的一种输电故障类型自动识别判断方法，其特征在于，所述明暗度恢复处理，具体是指：

抽取基于同一个拍摄角度获取的目标对象的多个图像构成对比组；对每个对比组中的图像进行灰度处理，获取各图像的灰度直方图；统计所有图像灰度直方图非零值的总分布区间，抽取各组中灰度直方图非零值分布异常的图像构成异常组，抽取剩余图像构成参照组；分布异常的图像是指灰度直方图非零值分布于总分布区间两端10％～30％区间长度的图像；基于参照组内所有图像，统计其灰度直方图的所有高度值，按照高度值由低到高的顺序祛除其中的40％～70％后计算期平均高度得到直方图高度高值，按照高度值由高到低的顺序祛除其中的40％～70％后计算期平均高度得到直方图高度低值，以前述直方图高度低值和直方图高度高值为阈值对异常组内所有图像进行处理，将超出阈值范围的部分剔除，得到预处理图像。

3.根据权利要求1的一种输电故障类型自动识别判断方法，其特征在于，

所述切割是指根据目标物目标对象，使用图像切割工具将各预处理图进行处理，切除图像边缘与目标物目标对象无关的区块得到切割后图像；

所述压缩是指对切割后图像进行分辨率压缩，得到压缩后图像；

所述分散是指对压缩后图像进行区块分割和标记，具体是指，根据预设分辨率大小，将压缩后图像进行均匀分割获取图像块。

4.根据权利要求1的一种输电故障类型自动识别判断方法，其特征在于，步骤3还包括故障类型数据库的丰富处理；丰富处理的步骤包括：

基于目标对象的偏移丰富，具体是指，对各故障数据库内的故障图像块进行判断，抽取含有目标对象数据的若干故障图像块，并根据该故障图像块中目标对象的位置，在对应的压缩后图像上进行各方向偏移，截取偏移后的得到的若干图像块补充至故障数据库，偏移的要求是要保证目标对象在新图像块中的比例不低于偏移前的比例，最后删除重复图像。

5.根据权利要求1的一种输电故障类型自动识别判断方法，其特征在于，步骤3还包括故障类型数据库的丰富处理；丰富处理的步骤包括：

对各故障数据库内的故障图像块进行判断，抽取含有目标对象数据的若干故障图像块，并根据该故障图像块中目标对象的位置，在对应的压缩后图像上进行各方向偏移，截取偏移后的得到的若干图像块补充至故障数据库，偏移的要求是要保证目标对象在新图像块中的比例不低于偏移前的比例，最后删除重复图像。