[发明专利]基于深度迁移学习的架空输电线路绝缘子故障检测方法

权利要求书

1.一种基于深度迁移学习的架空输电线路绝缘子故障检测方法，其特征在于，包括步骤如下：

S1，通过无人机获取绝缘子图像样本并对图像样本进行预处理；

S2，将预处理后的绝缘子图像样本分为源域和目标域，并对源域绝缘子图像样本进行标记；

S3，采用Swin Transformer模块提取源域和目标域的绝缘子特征，并将将源域和目标域图像样本中的绝缘子特征映射到相同子空间；

S4，通过基于线性判别分析方法学习子空间的绝缘子特征；

S5，伪标记目标域绝缘子故障样本集，并通过迭代学习伪标记所有目标域绝缘子故障样本。

2.根据权利要求1所述基于深度迁移学习的架空输电线路绝缘子故障检测方法，其特征在于，所述步骤S1中，通过无人机获取不同环境下的架空输电线路绝缘子图像，选择拍摄清晰的高质量绝缘子航拍图像作为图像样本；

通过复制粘贴法和马赛克增强算法对绝缘子图像样本进行预处理，具体实现步骤如下：

S11，复制绝缘子图像样本中检测难度高的绝缘子小目标，然后粘贴到图像样本中的其他位置；

S12，将四幅不同的绝缘子图像样本作为合成图像的左上角、左下角、右上角和右下角，然后再通过随机缩放、翻转、裁剪，将四张图像拼接成一张图像；

S13,将步骤S12拼接得到的图像扩充到图像样本。

3.根据权利要求1所述基于深度迁移学习的架空输电线路绝缘子故障检测方法，其特征在于，所述步骤S2中，将绝缘子图像样本分为源域和目标域的具体实现步骤如下：

S21，对于预处理的图像样本，根据绝缘子状态将图像样本分为正常绝缘子图像样本和故障绝缘子图像样本两部分；

S22，对正常绝缘子图像样本中的绝缘子进行标记，并将标记后的正常绝缘子图像样本记为源域；将未标记的故障绝缘子图像样本记为目标域。

4.根据权利要求1所述基于深度迁移学习的架空输电线路绝缘子故障检测方法，其特征在于，所述步骤S2中，对源域绝缘子图像样本进行标记的具体实现步骤如下：

S201，采用LabelImg工具对源域绝缘子图像样本中的绝缘子进行标记，标记时标注框贴近目标边缘且每个绝缘子目标独立标记，标记框不得超过图像边界；

若目标重叠部分不过半，允许两标注框重叠；对于模糊不清的目标不进行标记；

S202，标记结束后，对标记绝缘子进行核查，确保绝缘子标签准确无误；并保存生成与绝缘子图像同名的标记文件；标记文件的文本信息包含绝缘子图像的图像名、图像路径、图像分辨率以及标记的边界框坐标参数和标签名。

5.根据权利要求1所述基于深度迁移学习的架空输电线路绝缘子故障检测方法，其特征在于，所述步骤S3中，采用Swin Transformer模块作为特征提取器，通过SwinTransformer的多级分层结构对输入图像进行特征提取，然后得到4个不同尺度的特征图，具体的实现步骤如下：

S31，将已标记的源域绝缘子图像和未标记的目标域绝缘子故障图像作为输入图像；

S32，Patch Embedding层将输入图像的高和宽按照等距离划分为4份图片，并将划分后的图像沿通道维度进行拼接，将4份图片重新组合为的特征图；然后通过LinearEmbedding将输入图像的通道数增加一倍，并将图像维度转换为/

S33，将Swin Transformer模块按照[2,2,6,2]的块数分布构建4个Swin-T组块{C₁,C₂,C₃,C₄}，下采样倍数为[4,8,16,32]；

S34，对步骤S32得到的图像通过3个阶段进行下采样处理；每个阶段均由PatchMerging层和一个Swin Transformer模块组成，其中，Patch Merging层首先对输入的特征图进行划分，再通过Linear Embedding层将特征图的通道数增加一倍，实现特征图的下采样，特征图的维度依次变化为