[发明专利]基于图知识推理的输电线路缺销螺栓识别方法及装置

说明书

本发明公开了基于图知识推理的输电线路缺销螺栓识别方法及装置，涉及电力设备故障分类技术领域；方法包括获得螺栓缺销数据集，获得相关概率矩阵A_s，获得金具图片，获得标签预测分数，获知金具图片中含有缺销螺栓；装置包括获得螺栓缺销数据集模块和获得相关概率矩阵模块；其通过获得螺栓缺销数据集模块和获得相关概率矩阵模块，提前获得的螺栓缺销数据集和相关概率矩阵A_s，为能够实现识别区分缺销螺栓做好了前期准备，提供了基础。

技术领域

本发明涉及电力设备故障分类技术领域，尤其涉及一种基于图知识推理的输电线路缺销螺栓识别方法及装置。

背景技术

螺栓作为输电线路中紧固连接各种金具不可缺失的部件，极易由于野外环境和受力影响产生螺栓缺陷，其中销子作为定位、固定的连接件，一旦缺失，被紧固部件会产生松动、缺失等各种问题，进而引发安全隐患。利用无人机搭载摄像设备获取输电线路航拍图像逐渐成为主流巡线方式。然而，由于螺栓在航拍图像中的占比小，与输电线路的其他部件相比，螺栓开口销的缺失更难识别。

申请公布号为CN 114037689 A，名称为一种用于螺栓缺陷分类的语义词典学习方法及装置。基于螺栓缺陷类别语义词典和特征学习模块，对螺栓测试图像进行分类并获得螺栓缺陷分类，实现螺栓缺陷分类准确率和效率较高。螺栓缺陷类别语义词典和特征学习模块是提前获得训练好的，所以整体工作效率较高。

申请公布号为CN 111210007 A，名称为基于改进SRGAN模型的超分辨率螺栓图像生成方法。其通过在SRGAN模型的损失函数中加入相对均值鉴别器等，实现了在输电线路无人机自主巡检与深度学习的结合应用中，SRGAN模型生成的输电线路螺栓图像的分辨率高。

结合上述两篇专利文献和现有的技术方案，发明人分析发现在现有技术方案中存在如下技术问题。

目前，输电线路中常用正常螺栓分为两种，含销螺栓和不含销螺栓。含销螺栓的开口销缺失后会变为缺销螺栓，此时缺销螺栓与不含销螺栓仅存在销孔的差别，由无人机得到输电线路图片后，常规的方法是直接通过现有模型进行判断，但受拍摄角度和阴影等因素的影响，销孔在图片中存在显示不清楚和不显示的情况。现有模型仅依赖于表面特征不能实现缺销螺栓和不含销螺栓的准确区分，从而使缺销螺栓的识别产生误差。

现有技术问题及思考：

如何解决不能区分缺销螺栓和不含销螺栓的技术问题。

发明内容

本发明所要解决的技术问题是提供一种基于图知识推理的输电线路缺销螺栓识别方法及装置，解决不能识别缺销螺栓的技术问题。

为解决上述技术问题，本发明所采取的技术方案是：一种基于图知识推理的输电线路缺销螺栓识别方法包括如下步骤，获得螺栓缺销数据集，所述螺栓缺销数据集包括图片和螺栓标签，螺栓标签的类别包括缺销螺栓；获得相关概率矩阵A_s，获得金具图片，获得金具图片中螺栓标签类别的类映射和特征张量，获得金具图片中螺栓标签类别的类别表示向量V，更新金具图片中螺栓标签类别的类别表示向量V从而获得类别表征向量Y，将金具图片的类映射经全局平均池化获得第一置信分数向量S₁，将类别表征向量Y经过二元分类器得到类别分数，将类别分数连接获得第二置信分数向量S₂，将两个置信分数向量经过加权求和得到标签预测分数S，所述标签预测分数S包括缺销螺栓的预测分数，当缺销螺栓的预测分数大于0.5时，获知金具图片中含有缺销螺栓。