[發明專利]輸電線路的導線缺陷檢測識別方法、裝置及計算機設備

有效

• 申請號: 202010129428.1
• 申請日: 2020-02-28
• 公開（公告）號: CN111340787B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 張英;汪勇;彭熾剛;李雄剛;陳浩;廖如超;郭啟迪;廖建東;陳義龍
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司機巡作業中心
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/73;G06V10/764;G06V10/82;G06N3/0464;G06N3/084
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 郭帥

1.一種輸電線路的導線缺陷檢測識別方法，應用于電力巡檢上，其特征在于，包括以下步驟：

步驟S1.從輸電線路巡檢歷史缺陷庫中獲取歷史的導線缺陷圖像；

步驟S2.采用圖像增強、渲染對所述導線缺陷圖像進行處理，得到缺陷圖像樣本庫；

步驟S3.采用RetinaNet深度神經網絡對所述缺陷圖像樣本庫進行訓練，得到缺陷識別神經網絡模型；

步驟S4.采集所述輸電線路上的待測圖像，并將所述待測圖像輸入所述缺陷識別神經網絡模型中進行檢測，識別出所述待測圖像中的導線缺陷；

采用圖像增強、渲染對所述導線缺陷圖像進行處理具體包括：

對所述導線缺陷圖像進行裁剪、放大/縮小、旋轉、改變亮度或對比度、加噪點處理，得到缺陷圖像樣本庫；

采用渲染引擎對所述缺陷圖像樣本庫中的樣本進行渲染，得到樣本缺陷圖像；

在訓練過程中，得到所述缺陷識別神經網絡模型的步驟包括：

步驟S31.從所述缺陷圖像樣本庫中的樣本缺陷圖像獲取缺陷訓練數據和缺陷測試數據；

步驟S32.采用所述RetinaNet深度神經網絡對所述缺陷訓練數據進行迭代更新，得到收斂數據模型；

步驟S33.將所述缺陷測試數據對所述收斂數據模型的輸出缺陷類型以及缺陷位置的準確性進行測試，得到新的缺陷測試數據；

步驟S34.將所述新的缺陷測試數據輸入所述缺陷訓練數據中，重復所述步驟S32和所述步驟S33，獲得所述缺陷識別神經網絡模型；

采用定位的損失函數計算收斂數據模型輸出的缺陷位置結果與實際位置之間的第一誤差；

采用導線切線分類的損失函數計算收斂數據模型輸出的導線缺陷分類結果與實際缺陷真實分類之間的第二誤差；

將第一誤差和第二誤差求和后反向求導，得到更新后的收斂數據模型的權重和殘差，使得收斂數據模型輸出的缺陷位置和導線缺陷類別與樣本缺陷圖像相同，得到收斂數據模型。

2.根據權利要求1所述的輸電線路的導線缺陷檢測識別方法，其特征在于，識別出所述待測圖像中的導線缺陷具體包括識別出所述待測圖像中導線缺陷的類型和確定導線缺陷在所述待測圖像中的位置。

3.根據權利要求1所述的輸電線路的導線缺陷檢測識別方法，其特征在于，所述導線缺陷的類型包括導線散股缺陷、導線斷股缺陷和導線燒蝕缺陷。