[發明專利]一種基于Fast R-CNN的絕緣子故障檢測方法在審
| 申請號: | 201810038127.0 | 申請日: | 2018-01-13 |
| 公開(公告)號: | CN108280855A | 公開(公告)日: | 2018-07-13 |
| 發明(設計)人: | 江灝;陳俊杰;繆希仁;陳靜 | 申請(專利權)人: | 福州大學 |
| 主分類號: | G06T7/73 | 分類號: | G06T7/73;G06T7/40;G06T7/10;G06T7/90;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 福州元創專利商標代理有限公司 35100 | 代理人: | 蔡學俊 |
| 地址: | 350108 福建省福*** | 國省代碼: | 福建;35 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 絕緣子 絕緣子故障 智能檢測 分類 檢測 圖像特征識別 故障定位 故障檢測 故障識別 目標檢測 器件識別 輸電線路 圖像定位 圖像故障 圖像實現 圖像信息 相機設備 巡線系統 機器人 檢修 采集 圖像 智能 | ||
1.一種基于Fast R-CNN的絕緣子故障檢測方法,其特征在于:該方法通過航拍技術和Faster R-CNN技術的有機結合,實現對輸電線路的絕緣子器件進行故障識別并定位出故障點同時檢測出故障類型。
2.根據權利要求1所述的一種基于Fast R-CNN的絕緣子故障檢測方法,其特征在于:該方法具體實現步驟如下,
S1、通過無人機采集輸電線路圖像信息;
S2、絕緣子分類檢測:首先將部分圖像中的絕緣子作為訓練樣本,并利用Fast R-CNN中的卷積核提取出絕緣子包括顏色、輪廓、紋理的特征作為特征向量進行訓練;檢測時,通過區域提議網絡在圖像上產生可能為目標的包圍框,訓練后的模型可對這些包圍框進行判定,檢測是否為目標絕緣子,定位出絕緣子所在圖像位置,并且通過Fast R-CNN中的分類器辨別出其類別;
S3、絕緣子故障定位:訓練過程與檢測同絕緣子分類,由于當絕緣子發生掉串故障,掉串位置與其它絕緣子片存在差異,因此通過基于Fast R-CNN中的卷積核提取出其包括輪廓、紋理的特征可檢測出絕緣子掉串故障所在包圍框,并定位出故障位置。
3.根據權利要求1或2所述的一種基于Fast R-CNN的絕緣子故障檢測方法,其特征在于:該方法還能夠用于檢測包括間隔棒、均壓環、防震錘的電力部件。
4.根據權利要求2所述的一種基于Fast R-CNN的絕緣子故障檢測方法,其特征在于:所述步驟S1中,還能夠通過機器人或相機設備采集輸電線路圖像信息。
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福州大學,未經福州大學許可,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/201810038127.0/1.html,轉載請聲明來源鉆瓜專利網。





