[发明专利]一种输电线路典型导地线线夹红外图像分割方法及系统

说明书

本发明公开了一种输电线路典型导地线线夹红外图像分割方法及系统。本发明采用的技术方案为：采集输电线路现场典型导地线线夹红外图像样本，并对每一红外图像进行分割标注；建立导地线线夹红外图像分割模型；利用训练集对上述导地线线夹红外图像分割模型进行训练，获得初步训练后的导地线线夹红外图像分割模型；采用测试集检测初步训练后的导地线线夹红外图像分割模型性能，根据测试结果调整训练参数与检测置信度阈值，优化并固化导地线线夹红外图像分割模型。本发明针对形状不一、大小各异的典型导地线线夹，能够实现自动生成边界框和分割掩膜，并输出线夹区域坐标，实现基于典型导地线线夹红外图像的区域辨识和分割，具有较高的准确率。

技术领域

本发明涉及输电线路典型导地线线夹，尤其是一种基于Mask R-CNN的输电线路典型导地线线夹红外图像分割方法及系统。

背景技术

线夹作为输电线路中重要的连接和承载金具，其可靠性是影响电网长期安全稳定运行的重要因素。近年来，输电线路导地线线夹设备热缺陷频发，对输电线路的安全稳定运行带来严重威胁。随着深度学习技术的发展，使得红外图像线夹设备分割，实现批量红外检测图像中线夹设备的温度场提取与热缺陷判断成为可能。

目前，业界对于红外图像典型导地线线夹区域辨识与分割还没有一个很好的解决方案，通常采用传统的图像处理方法如阈值分割或是针对某种特殊类型的线夹设计的检测算法，由于红外图像具有背景复杂、热辐射干扰大、特征不明显等特点，对于线夹的红外图像大多分割效果不好，通用性不佳，无法适用于多种类型线夹的分割。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于MaskR-CNN的输电线路典型导地线线夹红外图像分割方法及系统，以提高图像区域辨识和分割的准确率，并适用多种类型线夹的分割。

为此，本发明采用的技术方案如下：一种输电线路典型导地线线夹红外图像分割方法，其包括步骤：

1)采集输电线路现场典型导地线线夹红外图像样本，并对每一红外图像进行分割标注；

2)以Mask R-CNN模型结合FPN特征金字塔结构为基础分割框架，并采用GuidedAnchoring锚点自适应方法生成锚点框，建立导地线线夹红外图像分割模型；

3)将获得的所有输电线路场景下典型导地线线夹红外图像样本及其对应的标注文件按比例随机划分为训练集和测试集；

4)利用训练集对上述导地线线夹红外图像分割模型进行训练，获得初步训练后的导地线线夹红外图像分割模型；

5)采用测试集检测初步训练后的导地线线夹红外图像分割模型性能，根据测试结果调整训练参数与检测置信度阈值，优化并固化导地线线夹红外图像分割模型。

本发明针对形状不一、大小各异的典型导地线线夹，能够实现自动生成边界框和分割掩膜，并输出线夹区域坐标，实现基于典型导地线线夹红外图像的区域辨识和分割，具有较高的准确率，并且具有稳定性好，抗干扰能力强，通用性高等优点，具有良好的鲁棒性，能够应用于典型导地线线夹热缺陷检测。

进一步地，步骤1)中，使用Labelme对红外图像制作对应的分割标注文件；所述分割标注文件符合COCO数据集的JSON标注文件标准；然后再将标注好的JSON标注文件转换成深度学习实例分割模型所支持的数据集格式，其中包含训练所需的info.yaml和label.png文件。

进一步地，所述步骤1)中的输电线路场景下典型导地线线夹红外图像样本是在各种电压等级的输电线路场景下，以输电线路中的常发热缺陷故障的典型导地线线夹作为目标，通过无人机红外摄像头正对目标左右偏差10度和拍摄距离5-10米范围内采集获得的图片。

更进一步地，所述的典型导地线线夹包括导线耐张线夹、地线耐张预绞式线夹、地线耐张线夹和地线并沟线夹。