[发明专利]基于旋转RetinaNet的复合绝缘子过热缺陷检测方法

说明书

本发明公开了一种基于旋转RetinaNet的复合绝缘子过热缺陷检测方法，包括：1)标注图片中的复合绝缘子，构建数据集；2)搭建并训练旋转RetinaNet网络；3)利用工具提取图片温度信息，转化为温度矩阵；4)利用RetinaNet网络检测图片，得到复合绝缘子的外接旋转矩形框位置，计算中轴线方程；5)自动修正偏移的中轴线；6)提取中轴线上各像素点温度值；7)对不同情况分别按照相应规定计算复合绝缘子上对比温度T1和最高温度T2；8)根据T2‑T1与多个过热等级阈值进行对比判断复合绝缘子过热缺陷等级，输出判断结果。本发明可以提高对复合绝缘子存在各种倾斜角度、背景复杂等情况的检测准确率。提高复合绝缘子过热缺陷检测的精度和速度。

技术领域

本发明涉及计算机视觉与电力设备自动缺陷检测的技术领域，尤其是指一种基于旋转RetinaNet的复合绝缘子过热缺陷检测方法。

背景技术

随着我国电力资源的大量开发利用，输电线路等级不断提升，对输电线路的绝缘等级要求也不断提高。复合绝缘子是架空输电线路的一种重要绝缘控件，由于其具有较好的防污闪特性因而在高压输电线路中得到普遍应用，其主要起到支撑导线和防止电流回地的作用。然而由于长期暴露在野外，受到恶劣环境的影响，容易导致缺陷。过热缺陷是其中一种重要缺陷，复合绝缘子过热若没有得到及时检修通常会进一步引起贯穿性击穿和复合绝缘子芯棒断裂事故，对输电系统的安全运行造成较大威胁。

传统的输电线复合绝缘子巡检通常是依靠巡检人员携带红外测温仪到实地进行复合绝缘子测温以及过热缺陷判断。然而这种人工巡检的方式效率较低，且由于复合绝缘子通常位于高处，造成巡检的安全隐患。近年来，随着无人机技术的不断发展，我国许多电力部门都引进了无人机用于高空输电线路巡检。目前常规的方法是通过无人机携带红外测温仪进行复合绝缘子红外图片的拍摄，再利用软件读取红外图片中的温度值，通过人工方式对图片中的复合绝缘子进行过热缺陷判断。由于无人机拍摄回的图片数据量巨大，这种方法通常需要耗费巨大的时间与精力。

随着深度学习技术的不断发展，有些研究将其引入到了输电线巡检领域，利用目标检测网络如YOLO、Faster R-CNN或是实例分割网络如Mask R-CNN自动检测图片中的电力设备，并进行对应的缺陷判断，大大降低了人力投入。但是由于无人机拍摄图片角度不一，而复合绝缘子属于长宽比较大的棒状物体，当图片中复合绝缘子处于倾斜状态时，传统的目标检测方法检测框中背景占比远大于目标物体占比，导致检测不准确，从而难以提取复合绝缘子温度。当复合绝缘子串间距离较近时，传统的目标检测或实例分割的非极大值抑制方法更是会将多串复合绝缘子误检为同一串复合绝缘子，从而导致漏检。

综上所述，目前虽然存在一些有关复合绝缘子自动过热缺陷检测的方法，但当面对无人机拍摄角度多变，图片中复合绝缘子串相距较近或是面对较为复杂的背景时，容易出现误检与漏检。因此亟需提出一种新的复合绝缘子过热缺陷检测算法以解决无人机航拍图片角度不一、图片背景复杂的问题。

发明内容

本发明的目的在于克服无人机航拍图片角度不一、图片背景复杂的问题，提出一种基于旋转RetinaNet的复合绝缘子过热缺陷检测方法，能够适应不同无人机拍摄角度，具有一定鲁棒性的复合绝缘子自动过热缺陷检测，从而与无人机巡检配合，提高复合绝缘子电力巡检的便利性与安全性。

为实现上述目的，本发明所提供的技术方案为：基于旋转RetinaNet的复合绝缘子过热缺陷检测方法，包括以下步骤：

1)选取无人机航拍图片中典型的复合绝缘子红外温度图片；利用标注工具初步标注图片中的复合绝缘子四个边缘顶点构成的四边形；计算四边形的最小外接旋转矩形的四个顶点坐标，从而将标注的标签文件和图片转化为DOTA格式的数据集；