[發明專利]基于YOLOv3網絡的復合絕緣子憎水性等級識別方法有效
| 申請號: | 202010131458.6 | 申請日: | 2020-02-28 |
| 公開(公告)號: | CN111368702B | 公開(公告)日: | 2023-03-14 |
| 發明(設計)人: | 黃新波;聶婷婷;張燁;伍逸群;孫蘇珍 | 申請(專利權)人: | 西安工程大學 |
| 主分類號: | G06V20/00 | 分類號: | G06V20/00;G06V10/44;G06V10/82;G06N3/0464;G06N3/08;G06T7/70 |
| 代理公司: | 西安弘理專利事務所 61214 | 代理人: | 張皎 |
| 地址: | 710048 陜*** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 yolov3 網絡 復合 絕緣子 水性 等級 識別 方法 | ||
本發明公開了一種基于YOLOv3的復合絕緣子憎水性等級識別方法,首先獲取輸電線路中復合絕緣子表面帶水珠的原始彩色圖像若干張;進行預處理,得到像素均為416×416的絕緣子表面帶水珠的圖像;使用labelImg標簽軟件對帶水珠的復合絕緣子照片逐一進行等級標定,然后將標定好的圖像輸入到全卷積網絡YOLOv3中的Darknet?53特征提取每個憎水性等級下水珠的特征;通過對新輸入帶水珠的絕緣子圖像和已經學習到每個憎水性等級下水珠的特征進行對比,進而實現新輸入帶水珠的絕緣子圖像憎水性等級識別。本發明解決了現有技術中存在的提取絕緣子表面水珠特征受人為主觀因素影響較大的問題。
技術領域
本發明屬于圖像處理技術領域,具體涉及一種基于YOLOv3網絡的復合絕緣子憎水性等級識別方法。
背景技術
復合絕緣子具有重量輕、強度高、不易破碎、耐污性能好等特點,目前已被廣泛地應用于電力系統中。隨著運行時間的延長,由于強電場、空氣腐蝕、紫外線照射、污穢以及雨水等惡劣氣候環境得相互作用,硅橡膠復合絕緣子表面出現破損以及老化,在一定程度上致使憎水性下降,甚至完全丟失,最終導致硅橡膠復合絕緣子的抗污閃性能下降,進而造成輸電線路發生嚴重的污閃事故,這將會給國民經濟帶來重大損失。為了判定輸電線路中的絕緣子是否需要退出使用,需要客觀準確地判定出復合絕緣子的憎水性等級。因此,對復合絕緣子的憎水性能進行檢測是判斷復合絕緣子抗污閃性能的重要手段,也是確保復合絕緣子安全運行的重要保證,開展復合絕緣子憎水性檢測技術的研究至關重要。目前,硅橡膠復合絕緣子憎水性等級檢測算法主要都是利用人工確定絕緣子表面水珠特征來判斷憎水性等級的,而人工提取水珠特征具有一定的主觀性,本發明提出了一種基于YOLOv3網絡的復合絕緣子憎水性等級識別方法,利用深度學習自動提取絕緣子表面水珠更深度的特征,將會更加準確的判定絕緣子憎水性的等級,同時不需要依賴人為提取特征,結果具有魯棒性。
發明內容
本發明的目的是提供一種基于YOLOv3的復合絕緣子憎水性等級識別方法,解決了現有技術中存在的提取絕緣子表面水珠特征受人為主觀因素影響較大的問題。
本發明所采用的技術方案是,一種基于YOLOv3的復合絕緣子憎水性等級識別方法,具體按照以下步驟實施:
步驟1、獲取輸電線路中復合絕緣子表面帶水珠的原始彩色圖像若干張;
步驟2、對步驟1獲得的圖像進行預處理,得到圖像像素均為416×416的絕緣子表面帶水珠的圖像;
步驟3、對步驟2獲得的像素均為416×416的圖像首先使用labelImg標簽軟件對帶水珠的復合絕緣子照片逐一進行等級標定,然后將標定好的圖像輸入到全卷積網絡YOLOV3中的Darknet-53特征提取每個憎水性等級下水珠的特征;
步驟4、根據步驟3學習到標定的每個憎水性等級下水珠的特征,通過對新輸入帶水珠的絕緣子圖像和已經學習到每個憎水性等級下水珠的特征進行對比,進而實現新輸入帶水珠的絕緣子圖像憎水性等級識別。
本發明的特點還在于,
步驟2中對步驟1獲得的若干張帶水珠的復合絕緣子原始彩色圖像進行預處理,即首先將步驟1獲取的圖像的長邊縮放為416像素,圖像對應的短邊按比例縮放并且將空白區域填充,最終使得圖像像素均為416×416的絕緣子表面帶水珠的圖像。
步驟3中YOLOV3網絡的特征提取網絡Darknet53包含52個卷積層和一個全連接層,卷積層和全連接層由一系列卷積核為1*1和3*3的卷積層組成,卷積層和全連接層能夠將416*416大小的圖片經過深度卷積一直降維到52,26和13;其中,1*1的卷積核用于降維,3*3的卷積核用于提取特征,多個卷積核交錯達到目的。
步驟3中訓練參數設置如下:
(1)將經過labelImg標簽軟件標定好憎水性的圖像,按照4:1的比例將數據集分為訓練集和測試集,便于客觀衡量模型的泛化能力;
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西安工程大學,未經西安工程大學許可,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/202010131458.6/2.html,轉載請聲明來源鉆瓜專利網。





