[发明专利]一种导线散股缺陷的检测方法、装置、设备及介质

权利要求书

1.一种导线散股缺陷的检测方法，其特征在于，包括：

获取电力线路场景中的红外检测图像和可见光检测图像；

对所述红外检测图像和可见光检测图像进行图像融合，得到融合检测图像，所述融合检测图像中的像素点包括可见光颜色特征和红外灰度特征；

将所述融合检测图像输入至预先训练的图像分割模型中，获取与所述融合检测图像对应的导线掩模图；

根据所述导线掩模图从所述红外检测图像中分割出红外导线区域，并根据所述红外导线区域，检测所述电力线路检测区域中是否存在导线散股缺陷。

2.根据权利要求1所述的方法，其特征在于，获取电力线路场景中的红外检测图像和可见光检测图像，包括：

获取无人机在距离所述电力线路场景预设高度进行飞行作业时，以低帧速率采集得到的红外检测图像和可见光检测图像。

3.根据权利要求1所述的方法，其特征在于，所述图像分割模型为UNet分割模型。

4.根据权利要求3所述的方法，其特征在于，在将所述融合检测图像输入至预先训练的图像分割模型中之前，还包括：

获取待训练的原始UNet模型；所述原始UNet模型的编码网络中包括具有6个跨层连接的ResNet50网络；所述原始UNet模型的的译码网络中包括5个译码模块，所述编码网络和所述译码网络之间具有4个跳跃连接；

使用预先标注的训练样本集，对所述原始UNet模型进行迭代训练，得到所述UNet分割模型；

其中，在对所述UNet模型进行训练的过程中，使用Dice函数作为损失函数。

5.根据权利要求1-4任一项所述的方法，其特征在于，根据所述红外导线区域，检测所述电力线路检测区域中是否存在导线散股缺陷，包括：

在所述红外导线区域中识别异常温度区域，并确定所述异常温度区域内的导线存在导线散股缺陷。

6.根据权利要求5所述的方法，其特征在于，在所述红外导线区域中识别异常温度区域，包括：

采用类间方差法获取与所述红外导线区域匹配的异常温度阈值；

将所述红外导线区域中灰度值大于所述异常温度阈值的各像素点，组合得到所述异常温度区域。

7.根据权利要求6所述的方法，其特征在于，采用类间方差法获取与所述红外导线区域匹配的异常温度阈值，包括：

获取所述红外导线区域匹配的灰度级范围[0，L-1]，其中，L为大于1的整数；

获取所述红外导线区域中，归属于每个灰度级i的像素点数量ni，所述红外导线区域的总像素数为N；

根据公式：p_i＝n_i/N，i＝0，1，2…，L-1，计算得到与每个灰度级i分别对应的几率p_i；

依次在所述灰度级范围中获取一个当前处理灰度级T，获取所述红外导线区域中灰度值位于[0，T]的第一像素点集合C₀，以及灰度值位于[T+1，L-1]的第二像素点集合C₁；

根据公式：

计算得到与C₀对应的均值u₀，以及与C₁对应的均值u₁；其中，ω₁＝1-ω₀；

根据公式：u_T＝ω₀u₀+ω₁u₁，计算得到所述红外导线区域的图像均值u_T；

根据公式：计算得到与所述当前处理灰度级T匹配的类间方差

返回执行依次在所述灰度级范围中获取一个当前处理灰度级T的操作，直至计算得到与每个灰度级分别对应的类间方差；

将与最大类间方差对应的目标灰度级，确定为所述异常温度阈值。