[發明專利]一種基于深度學習的均壓環檢測識別方法

有效

• 申請號: 201810582294.1
• 申請日: 2018-06-07
• 公開（公告）號: CN109034184B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 盧勝標;夏良標;莫止范;馮鵬程;顏毓宏;陳健文;石英;韓西坪;龐統;劉曉偉;李德洋
• 申請（專利權）人: 廣西電網有限責任公司玉林供電局;武漢珈銘凱爾電氣科技發展有限公司;武漢傲睿爾科技有限公司
• 主分類號: G06V10/75
• 分類號: G06V10/75;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 武漢智權專利代理事務所(特殊普通合伙) 42225
• 代理人: 蔡忠祥

本發明公開了一種基于深度學習的均壓環檢測識別方法，涉及電力設備檢修領域，包括均壓環圖像樣本預處理、特征提取、訓練檢測模型、均壓環部件檢測等步驟。本發明的基于深度學習的均壓環檢測識別方法，可適應非特定角度復雜背景下的均壓環檢測識別需求，達到較好的使用效果。

技術領域

本發明涉及電力設備維護技術領域，具體涉及一種基于深度學習的均壓環檢測識別方法。

背景技術

均壓環，即等電位連接環，是輸電線路的重要組成部件，用于消除環形各部位之間沒有電位差，從而達到均壓的效果。由于輸電線路要長期經受風吹、雨淋、日曬，加上自身機械疲勞，會使得均壓環發生傾斜、銹蝕等故障缺陷，使均壓環不能正常的發揮作用，進而導致輸電線路發生危險。輸電線路上均壓環的主要作用是使電壓在整個絕緣子或絕緣子串上均勻分布，一旦發生故障，會使相電壓在整個絕緣子或絕緣子串上不是呈均勻分布，并加速絕緣子老化。因此，需要對均壓環進行定期的檢修和維護。按照傳統的依賴人工進行檢測識別，不僅耗時，也耗人力和財力。隨著自動化、智能化、高速化技術的發展，如何快速準確地檢測識別和識別輸電線路的均壓環已成為數字圖像處理領域中的一個熱門課題。

目前，對均壓環識別的方法主要分為兩大類：基于模板檢測識別的算法和基于機器學習的方法，前者主要通過一些常見的算法對原圖像進行模板匹配，后者主要通過學習均壓環的特征進行識別。目前國內外對均壓環識別有一些研究，王士成分別利用BP神經網絡和Adaboost機器學習算法，實現了對均壓環的識別，論證了在高速條件下獲取的圖像中識別與定位多個均壓環的可行性。張桂南等通過均壓環模板匹配的方法及光線反射點特性實現了均壓環定位。然而，上述各方法應用于輸電線路均壓環故障識別中均存在一定缺陷：一是準確度不高，應用范圍較窄；二是由于電力系統中均壓環圖像采集多由人工或航拍來完成，以需求的特定角度及焦距在特定的光照環境下進行拍攝，背景變化多，較為復雜，以上方法不具有普遍性，不能很好運用到實際系統中。

發明內容

針對現有技術中存在的缺陷，本發明的目的在于提供一種基于深度學習的均壓環檢測識別方法，可適應非特定角度復雜背景下的均壓環檢測識別需求。

為達到以上目的，本發明采取的技術方案是：

一種基于深度學習的均壓環檢測識別方法，包括以下步驟：

S1、以采集的原均壓環圖像作為圖像源，進行預處理；

S2、對預處理后的均壓環圖像樣本，使用卷積神經網絡提取圖像多層次特征，形成均壓環訓練圖像；

S3、將獲得的均壓環訓練圖像組合形成樣本集，輸入待訓練的檢測模型中，以無監督的前向傳播算法和后向傳播算法交替進行的方式，調整卷積神經網絡中的權重以及偏置參數，最終確定最優化的模型參數；

S4、根據最優化的模型參數，初始化檢測網絡，批量采集輸電線路圖片數據，進行均壓環的自動識別和定位。

在上述技術方案的基礎上，所述步驟S1中，根據拍攝圖像存在的問題進行預處理，所述存在的問題包括抖動和模糊，所述預處理包括防抖和去噪；其中，使用雙邊濾波或中值濾波對原均壓環圖像進行去噪處理。

在上述技術方案的基礎上，在所述步驟S2前，還包括：在預處理圖像的基礎上，通過對預處理后的均壓環圖像進行多次旋轉、尺度擾動和/或顏色空間變換，生成多幅類似的均壓環圖像。

在上述技術方案的基礎上，所述顏色空間變換的具體方法包括：

對樣本集RGB圖像進行PCA主成分變換，獲得主成分變量及其對應特征值；

對特征值分配不同的系數，以實現對圖像光照強度和飽和程度的變換，上述步驟中主成分變量及其對應特征值由如下公式計算：