[發明專利]一種基于航拍圖像的識別輸電線路中絕緣子缺失的方法在審
| 申請號: | 201710156466.4 | 申請日: | 2017-03-16 |
| 公開(公告)號: | CN106874890A | 公開(公告)日: | 2017-06-20 |
| 發明(設計)人: | 侯春萍;章衡光;楊陽;管岱;郎玥 | 申請(專利權)人: | 天津大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/62;G06T7/00 |
| 代理公司: | 天津市北洋有限責任專利代理事務所12201 | 代理人: | 程毓英 |
| 地址: | 300072*** | 國省代碼: | 天津;12 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 航拍 圖像 識別 輸電 線路 絕緣子 缺失 方法 | ||
技術領域
本發明屬于遙感影像技術領域,涉及一種機巡檢航拍圖像檢測方法。
背景技術
電力系統是由發電廠、輸電網、配電網和電力用戶組成的整體,是將一次能源轉換成電能并輸送和分配到用戶的一個統一系統。輸電網和配電網統稱為電網,是電力系統的重要組成部分。發電廠將一次能源轉換成電能,經過電網將電能輸送和分配到電力用戶的用電設備,從而完成電能從生產到使用的整個過程。無論是對國防安全還是我們的日常生活有著非常重要的意義,所以對輸電線路的巡視是一項十分重要的工作。
輸電線路巡視的目的是為了能夠及時發現輸電線路的缺陷和排除安全隱患。我國電網的規模非常大,發展的速度也很快。人工巡檢作業依然是傳統的巡視模式,但是,由于有一大部分的輸電線路在深山老林中,導致該方式勞動強度大、巡視難度大、代價高、危險性高,而且巡視結果受到巡視人員技能以及天氣、地形、光照等自然條件的影響較大。
直升機作為一種巡視工具從20世紀50年代開始應用于歐美國家,21世紀后在國內也開始逐漸開展,后來又添加了無人機巡視,做到三位一體,協同巡檢。有效地降低了工作人員的工作強度,提高了巡檢質量、效率和效益。
在巡視結束后,調用巡線過程中的圖片,對線路上的缺陷進行進一步的分析和確認。
[1]趙振兵,王樂.一種航拍絕緣子串圖像自動定位方法[J].儀器儀表學報,2014,35(3):558-565.
[2]姚春羽,金立軍,閆書佳.電網巡檢圖像中絕緣子的識別[J].系統仿真學報,2012,24(9):1818-1822.
發明內容
本發明的目的是提供一種速度快準確率高的基于航拍圖像的識別輸電線路中絕緣子缺失的方法。技術方案如下:
一種基于航拍圖像的識別輸電線路中絕緣子缺失的方法,包括下列步驟:
1)制作數據集:將巡線拍攝的帶有絕緣子的圖像收集起來,挑選出其中含有缺失絕緣子的圖像并對其進行標注,同時使用圖像增強技術,構建符合格式要求,匹配網絡結構的數據集;
2)訓練識別模型:從數據集里采用AlexNet網絡,使用第一步得到的數據集里的不同數據,經過訓練得到基于深度卷積神經網絡的兩個分類器,能夠將含有缺失絕緣子的圖像篩選出來,將其中一個分類器作為檢測器,并將分類器與檢測器級聯,組成絕緣子識別系統;
3)識別:首先用分類器對需要識別是否存在缺失絕緣子的圖像進行分類,得到識別出缺失絕緣子的圖像和正常絕緣子的圖像,分別放在文件夾Absence和文件夾Temp中;再將Temp中的全部圖像使用檢測器進行檢測,檢測到有絕緣子缺失的放入到Absence中,其余的放入Normal中,最終,Normal中剩下的全部圖像為本系統識別出的正常圖像,而Absence中的圖像為可能存在缺失絕緣子的圖像。
測試集共有175張圖片,其中正常的圖片有149張,絕緣子缺失的圖片有26張。本發明采用以上技術方案,26張絕緣子缺失的圖片全部檢出,挑出106張正常的,沒有挑錯的;絕緣子缺失的圖片全部在剩下的69張里面,結果如圖3所示。其中:
漏檢率:0%
錯誤檢出率:100%
工作量減少率:60.6%
正錯率;24.6%
附圖說明
圖1網絡1結構圖
圖2 txt文檔格式
圖3最終結果圖
具體實施方式
為使本發明的技術方案更加清楚,下面結合附圖對本發明具體實施方式做進一步地描述。
1.將巡線后得到的包含絕緣子的圖片收集起來,按照是否有缺失絕緣子來分類,并按照一定的比例分為訓練集、驗證集和測試集。圖片應作預處理,訓練集和驗證集的圖片處理為256*256的,測試集的圖片處理為256*256和600*400這兩種尺寸的,分別用于分類器和檢測器。
2.生成三個txt文檔,分別是訓練集、驗證集和測試集所有要識別圖片的列表,并在后面加上標簽,如圖2所示。這里擬定有缺失絕緣子的圖像為0,正常絕緣子的圖片為1。
3.訓練神經網絡AlexNet作為分類器,首先設置初始的訓練參數,其中包括卷積神經網絡的層數,卷積核的大小,使用隨機初始化網絡權重還是使用預訓練的模型,激活函數的類型,輸出類型,全連接層以及梯度下降的學習率的設定。這里我們使用5層卷積層、3層全連接層的卷積神經網絡結構,并加入Dropout技術防止過擬合。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于天津大學,未經天津大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710156466.4/2.html,轉載請聲明來源鉆瓜專利網。
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設備、圖像形成系統和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序





