[发明专利]基于图像的缺陷自动识别方法、装置、系统及存储介质

说明书

本发明公开了一种基于图像的缺陷自动识别方法、装置、系统及存储介质，方法包括：获取待识别图像数据，并根据预设类型对待识别图像数据进行分类，得到分类后的图像数据；其中，待识别图像数据为无人机在预设区域巡航拍摄的多张原始图像数据；通过训练后的算法模型对分类后的图像数据进行缺陷智能识别，生成缺陷框，并在缺陷框填充对应的缺陷信息；根据先验知识和/或审核操作指令对缺陷信息进行审核，并根据审核结果输出已识别图像数据的缺陷识别报告。本发明通过训练后的算法模型对无人机巡航的图像数据进行缺陷智能识别，提高了缺陷识别率和工作效率，通过危急缺陷的发现处理，能避免造成的停电损失，为确保配电系统可靠供电提供了坚实保障。

技术领域

本发明涉及电力配网机巡数据处理技术领域，尤其涉及的是一种基于图像的缺陷自动识别方法、装置、系统及存储介质。

背景技术

在低纬度亚热带季风气候区域，夏季出现雷电、台风、暴雨等极端气候较多。配电网架空线路受台风、暴雨、雷电等影响，容易发生导线松股断股、绝缘子雷击烧蚀、绝缘子破损等缺陷，这些典型缺陷为配电线路的安全可靠运行埋下了不可忽视的隐患。因此，及时发现并消除配网典型缺陷对保证配电网安全稳定运行至关重要。传统的配电网缺陷发现主要依靠运维人员在周期巡检过程中肉眼识别或者借助望远镜识别，这种方法不仅效率低、人工成本大，而且由于高度问题不易发现缺陷位置。

近年来，无人机巡检作业在国内电力系统内的运用得到了较快发展，南方电网公司也在“十三五”规划中明确提出了“机巡为主、人巡为辅”协同巡检模式，持续提升电力线路巡检质量、效率。以广东电网为例，截止至2020年10月，广东电网已积累近2PB机巡数据，其中原始图像高达4000万张。目前，配电系统的缺陷发现大多依靠后续人工归档机巡图片、人工识别缺陷图片。然而，随着机巡图片的不断增多，依靠人工去识别机巡图片中的缺陷所花的时间和精力也不断增强，这给运行人员又带来了新的工作难题。除此之外，不同工作经验的运行人员在人工识别机巡图片中的缺陷过程中也会存在漏检和误检的情况，影响缺陷识别的准确率。

因此，现有技术还有待改进。

发明内容

本发明要解决的技术问题在于，针对现有技术缺陷，本发明提供一种基于图像的缺陷自动识别方法、装置、系统及存储介质，以提高电力配网缺陷识别效率和准确率。

本发明解决技术问题所采用的技术方案如下：

第一方面，本发明提供一种基于图像的缺陷自动识别方法，包括：

获取待识别图像数据，并根据预设类型对所述待识别图像数据进行分类，得到分类后的图像数据；其中，所述待识别图像数据为无人机在预设区域巡航拍摄的多张原始图像数据；

通过训练后的算法模型对所述分类后的图像数据进行缺陷智能识别，生成缺陷框，并在所述缺陷框填充对应的缺陷信息；

根据先验知识和/或审核操作指令对所述缺陷信息进行审核，并根据审核结果输出已识别图像数据的缺陷识别报告。

在一种实现方式中，所述获取待识别图像数据，之前包括：

从源数据层获取已标签的图像数据；其中，所述已标签的图像数据为已标签缺陷区域及缺陷信息的样本图像数据；

构建算法模型，并根据所述已标签的图像数据进行模型训练。

在一种实现方式中，所述根据已标签的图像数据进行模型训练，包括：

对所述已标签的图像数据进行预处理，并将预处理后的图像数据进行分类，得到训练集和测试集；其中，所述预处理包括：数据转换、数据归一、数据清洗以及数据编码；

通过所述训练集对构建的算法模型进行训练，并通过所述测试集对所述算法模型进行测试，得到所述训练后的算法模型。