[发明专利]一种基于主动学习和半监督学习的智能电力巡检方法

说明书

本发明涉及一种基于主动学习和半监督学习的智能电力巡检方法。本发明通过无人机巡检和定点摄像头拍摄批量获得输电线路的图像数据；对得到的图像数据中的一部分进行人工标注，获得图像标签；对已标注样本进行数据增强，并将其与未标注的样本混合，再通过半监督学习对任务模型进行训练；通过主动学习的方法确定未标注样本与其数据增强后样本的非一致性，对不确定性较高的样本重新进行人工标注；通过该模型识别出电力巡检场景中的各个部件情况，以及发现电网中的异物；基于异常检测算法分析异常部件或异物进行判断及缺陷分析，并提示工作人员进行安全处理。本发明能提高电力巡检的效率和质量，减少巡检的人力物力消耗，保障电网系统安全运行。

技术领域

本发明属于电力巡检系统及图像处理技术领域，涉及一种基于主动学习和半监督学习的智能电力巡检方法。

背景技术

随着电网行业的不断发展，电力场景也日益复杂。但是，巡检工作是电力企业安全生产的一个重要环节，确保巡检工作严谨有效可以及时发现设备存在的缺陷，尽早处理可以避免很多重大的安全事故。因此，电力巡检工作是否到位对于电力企业的正常经营活动就显得尤为重要。

在人员和成本都较为有限的情况下，电力巡检面临的挑战也与日俱增。在以往的巡检中，主要采用的方式是人工巡检，需要巡检人员实地考察电网情况，并手动记录巡检结果，这不仅耗费了大量的人力、延长了巡检的时间，而且难以确定工作人员是否恪尽职守、巡检到位，对于管理人员来说存在很多技术上的困难。为了保证巡检工作的正确性和准确性，供电企业虽然实行了标准化的作业模式，但是在实际的工作中难以保证标准化的要求。大部分巡检人员可能还是按照自己的习惯进行巡视，管理人员仅凭巡检记录，难以对巡检人员的工作质量进行准确的评价，也容易产生安全事故。鉴于上述情况，电网行业亟需一种智能化识别电网安全隐患和异物的计算机算法，来提高电力巡检的工作效率、破除人工巡检不到位造成的安全隐患。

近年来，随着计算机视觉和数码摄像技术的快速发展，采用网络摄像机和无人机等设备对输电网络进行监控也逐渐得到快速地推广和应用。这些设备除了具备一般传统摄像机所有的图像捕捉功能外，机内还内置了数字化压缩控制器和基于互联网的操作系统，使得图像或视频数据经压缩加密后可以通过局域网直接传送至终端用户。但鉴于这些数据存储量巨大，人工检查需要花费较大的资金和时间，而且识别效率低下，还容易出现漏检和误检的问题，可能丧失安全隐患的最佳发现时机。而通过计算机智能识别检查，不仅可以快速有效地识别大量图像，及时有效地对工作人员做出警告，而且极大程度上减少了人力、财力的浪费，对电力巡检具有重要的意义。

发明内容

本发明的目的就是提供一种基于主动学习和半监督学习的智能电力巡检方法。从输电网络的图像数据入手，研究电网场景的图像、视频等手段对电力场景中的安全隐患和异物进行自动检测和警告的方法。本发明利用无人机和网络摄像头自动巡检采集图像和视频等影像数据，并利用计算机技术对获得的图像进行增强和复原处理，以得到清晰有效的图片数据。再利用基于主动学习和半监督学习的方法训练已有的分类模型，来对图像中的特征目标进行识别和标注，最后通过异常检测算法对图像中的异物和异常缺陷进行识别并通过物联网系统直接发送至工作人员。本发明可以有效提高电力巡检的效率和质量，减少巡检的人力物力消耗，保障电网系统安全运行。

本发明具体包括如下步骤：

步骤1、通过无人机巡检和定点摄像头拍摄批量获得输电线路的图像数据；

步骤2、对得到的图像数据中的一部分进行人工标注，获得图像标签；

步骤3、对已标注样本进行数据增强，并将其与未标注的样本混合，再通过半监督学习对任务模型进行训练；

步骤4、通过主动学习的方法确定未标注样本与其数据增强后样本的非一致性，对不确定性较高的样本重新进行人工标注；

步骤5、重复步骤3、4，不断训练模型，识别出电力巡检场景中的各个部件情况，以及发现电网中的异物；