[發明專利]基于Faster RCNN的自適應變壓器部件檢測識別方法

在審

• 申請號: 201811575613.2
• 申請日: 2018-12-22
• 公開（公告）號: CN109784375A
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 李文震;羅漢武;秦若鋒;吳啟瑞;張海龍;李昉;劉海波;馮新文;彭仲晗;陳凱
• 申請（專利權）人: 國網內蒙古東部電力有限公司;國網電力科學研究院武漢南瑞有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 張惠玲

本發明公開了一種基于Faster RCNN的自適應變壓器部件檢測識別方法，該方法的步驟包括：數據集準備部分，對采集的變電站監測圖像進行預處理，形成圖像訓練庫和圖像標注文檔庫；Faster RCNN模型訓練部分，利用訓練圖像數據集和標注信息集對該深度檢測模型進行訓練，使之檢測定位和識別變壓器的主要部件，并輸出對應部件的識別結果；檢測窗口的自適應NMS處理部分，對檢測窗口按部件分類，防止誤刪現象，利用自適應NMS方法去除同一目標重復定位現象。本發明能實現對變電站監測圖像中變壓器中本體、散熱器、套管和油枕的自動檢測識別，并且提出了一種自適應NMS方法，極大程度上減少了變壓器部件檢測定位中的重復和漏檢現象，使最終的檢測識別具備較高的精度。

技術領域

本發明涉及到變壓器檢測識別領域，具體是一種基于Faster RCNN的自適應變壓器部件檢測識別方法。

背景技術

為了實現變電站主要電力設備的智能化管理，保障電力系統安全可靠運行，電力公司加強了對電力設備運行監測方法和手段。目前，基于紅外熱像儀帶電檢測、無人機巡檢、視頻在線監測等大力推廣和使用，產生了海量的可見光和紅外圖像，但主要還是采取人工分析的方式處理主要設備的各項問題。這種方式會導致大量人力資源的浪費，還會由于缺乏客觀性導致出錯。因此，利用圖像識別技術進行電力設備目標智能識別對于后續的電力設備的故障檢測和診斷非常必要，這種方式不僅能降低人工工作量，還可避免人為檢測實物導致的誤判，達到提高檢測的準確性的目的。

傳統的檢測識別方法一般是在圖像上通過不同大小的窗口進行掃描，并根據手工淺層圖像特征訓練分類模型完成目標分類。然而這種淺層圖像特征不具備語義層面上的性質，且全圖的掃描會耗費大量的計算時間。另一方面，這種檢索方式中會出現大量的重復現象，即同一個目標部件會存在多個重疊的定位窗口。一般可利用NMS處理進行窗口的去重，但NMS方法處理變壓器部件定位窗口時有兩個明顯缺點：1.變壓器的油枕與套管目標窗口一般會有大面積重復，若直接使用NMS方法處理窗口則會出現部件窗口被誤刪的現象；2.NMS需要人為設置一個硬閾值，這種閾值設置方法將會影響處理結果的靈活性。

發明內容

本發明的目的在于針對上述的問題，提出一種基于Faster RCNN的自適應變壓器部件檢測識別方法，該方法利用深度神經網絡對變壓器監測圖像進行各個部件的檢測和識別，避免了傳統圖像處理方法帶來的誤判問題。本發明提出了一種新的自適應NMS方式處理變壓器部件檢測窗口，解決了窗口定位重復和誤刪現象。本發明能夠有效提高變壓器各部件檢測識別的速度和精度，且具備較強的魯棒性，對最終檢測定位部件窗口的處理具備較高的靈活性。

為實現上述目的，本發明的技術方案中，首先對檢測圖像進行預處理，并對圖像中變壓器的本體、油枕、套管和散熱器四個部件的位置進行標定，最終形成一個圖像訓練庫和圖像標注文檔庫；然后利用訓練圖像數據集和標注信息集對Faster RCNN模型進行訓練；最后利用自適應NMS方法處理檢測窗口結果，防止誤刪和重復定位現象。

本發明提出的基于Faster RCNN的自適應變壓器部件檢測識別方法包括以下具體步驟：

數據集準備：訓練集的準備分為圖像數據庫準備和標注信息文檔庫準備，其中圖像數據庫是通過對采集的變電站監測圖像進行預處理得到；其中，對監測圖像的預處理方式至少包括圖像白化和尺寸歸一化；標注信息文檔庫至少包括圖像中變壓器的關鍵部件的名稱和定位信息，標定對象是變壓器的本體、油枕、套管和散熱器；

Faster RCNN模型訓練：利用標定信息和訓練圖像對Faster RCNN模型進行訓練；訓練分為三個部分，第一部分是模型的共享階段CNN網絡，用以提取監測圖像的卷積特征；第二部分是模型的區域推薦網絡(Region Proposal Network,RPN),通過標定信息的監督訓練，使得RPN具備自動監測定位圖像中變壓器關鍵部件位置的能力；第三部分是模型的多分類網絡，利用標注信息中部件的類別進行監督訓練，以對RPN網絡輸出的定位信息進行分類識別能力；