[发明专利]一种基于深度卷积神经网络的输电线路绝缘子部件爆片缺陷识别定位方法

摘要

本发明属于信息自动化技术领域，公开了一种基于深度卷积神经网络的输电线路绝缘子爆片缺陷识别定位方法，通过人为标记的手段对巡检图片进行标注并对物体检测SSD模型进行训练，然后对实时的输电线路巡检图像进行识别；对识别出来的绝缘子区域进行梯度检测计算出绝缘子区域的方向，使用kmean聚类算法分割出图像中的绝缘子区域，对绝缘子区域进行方向校正和在列方向上对绝缘子前景点进行计数，这样就可以得到绝缘区域前景点在水平方向上上的分布曲线，进而定位出绝缘子上的爆片点。本发明有效的解决了在各种分辨率、各种复杂场景图像中定位出绝缘子，并准确识别出绝缘子爆片缺陷位置，在很大程度上提升了输电线路的自动巡检能力和巡检效率，大幅地降低了电网系统维护成本。

主权项

1.一种基于深度卷积神经网络的输电线路绝缘子部件爆片缺陷识别定位方法，其特征在于，所描述的绝缘子爆片检测方法包括以下的步骤：步骤一，获取高分辨率的输电线路巡检图像数据；步骤二，通过人工的方法对其中的绝缘子区域进行标注，即记录下绝缘子区域在高分辨率图像中的位置坐标信息；步骤三，使用步骤二中标注好的绝缘子图像数据，对深度神经网络模型进行离线训练；步骤四，通过SSD模型实时检测巡检图像，获取到图像中的绝缘子区域；步骤五，使用Sobel梯度算子对绝缘子区域进行梯度检测，得到绝缘子的梯度图像，对梯度图像中梯度变化较大的点进行检测得到绝缘子区域的方向信息；步骤六，使用Kmean聚类算法将图像中的绝缘子区域分割出来，获取到绝缘子区域的掩码图像；步骤七，使用步骤五中得到的绝缘子方向，对步骤六中的绝缘子掩码图像进行方向校正，即将绝缘子区域的主轴方向旋转到与水平方向平行；步骤八，对进行方向校正后的绝缘子区域进行像素投影，得到绝缘子区域像素的分布曲线；步骤九，通过判断绝缘子像素分布曲线上的点是否服从正态分布来对绝缘子爆片缺陷的位置进行定位。