[發明專利]一種耐張線夾缺陷檢測識別報告自動獲取方法及系統

有效

• 申請號: 202010549539.8
• 申請日: 2020-06-16
• 公開（公告）號: CN111709931B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 曾德華;茍先太;李高云;茍瀚文;胡夢;盛明珠;周維超
• 申請（專利權）人: 四川賽康智能科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06N3/0464;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 肖宇揚

本發明公開了一種耐張線夾缺陷檢測識別報告自動獲取方法及系統。該方法利用改進的Faster?RCNN卷積神經網絡模型對輸入的待檢測圖片進行缺陷檢測識別，得到缺陷檢測識別結果、缺陷區域的位置信息及缺陷程度并存入數據管理系統，再從數據管理系統中獲取所述缺陷檢測識別結果、缺陷區域的位置信息及缺陷程度并按照預先制定好的缺陷檢測識別報告模板自動生成耐張線夾缺陷檢測識別報告。本技術方案中的Faster?RCNN卷積神經網絡模型為經過改進后的模型，缺陷檢測識別精度更高，可應用于耐張線夾的故障診斷，另外，利用報告自動生成技術省去了人工填寫報告的繁瑣，省時省力。

技術領域

本發明涉及設備檢測技術領域，尤其涉及一種耐張線夾缺陷檢測識別報告自動獲取方法及系統。

背景技術

耐張線夾是輸電線路的重要金具之一，主要用來緊固鋼芯鋁絞線的終端，將導線或避雷線固定在非直線桿塔的耐張絕緣子串上，耐張線夾對高壓輸電線路的安全穩定運行起著非常重要的作用，因此，耐張線夾的缺陷檢測也因此對電網的安全運行起著至關重要的作用。

目前的耐張線夾的缺陷檢測方法有：利用基于目標檢測算法的Faster_Rcnn卷積神經網絡模型智能識別出缺陷類型，但經測試，該方法對耐張線夾的一些缺陷(例如鋼錨管表面存在的毛刺、飛邊、含有異物、鋼錨管彎曲等)的識別率較低，遠不能滿足實際檢測的需要。其次，現有的耐張線夾的缺陷檢測方法通常僅僅能夠識別出缺陷類型，并不能計算出缺陷的程度，如凹槽未壓接長度、鋁絞線未壓接長度、鋼錨管未壓接長度、鋼錨管中存在空腔長度、鋁壓接空腔長度、鋼錨管的彎曲度等；另外，目前耐張線夾的缺陷檢測報告的生成，都是由檢測工程師人工整理分析將內容填充到報告文檔中，通常這些檢測報告的格式具有大量的相似性，且文檔內容繁瑣，人為編寫費事費力，效率低下且出錯率較高。

發明內容

本發明所要解決的技術問題是，針對現有技術的不足，提供一種耐張線夾缺陷檢測識別報告自動獲取方法及系統，其可以獲得更高的缺陷檢測精度，且能夠計算出缺陷程度，同時還能夠將耐張線夾的缺陷檢測識別技術與報告自動生成技術相結合，自動生成耐張線夾的缺陷檢測識別報告。

為解決上述技術問題，本發明所采用的技術方案是：

一種耐張線夾缺陷檢測識別報告自動獲取方法，其特征在于，包括：

步驟S1：建立耐張線夾缺陷檢測識別報告的模板；

步驟S2：建立數據管理系統存儲采集到的待檢測圖片及其圖片信息；

步驟S3：搭建基于目標檢測算法的Faster-RCNN卷積神經網絡模型并對其進行改進，然后對改進后的所述網絡模型進行訓練、測試和優化；

步驟S4：將待檢測圖片輸入訓練好的所述網絡模型，得到耐張線夾的缺陷檢測識別結果與缺陷區域的位置信息，將所述缺陷檢測識別結果與所述位置信息存入所述數據管理系統中；

步驟S5：從所述數據管理系統獲取與缺陷相關的結果數據，并按照所述模板自動生成耐張線夾缺陷檢測識別報告。

優選地，在所述步驟S3中采用ResNet101網絡替換所述Faster-RCNN卷積神經網絡模型中的VGG卷積神經網絡作為基礎網絡進行特征提取，同時改進所述Faster-RCNN卷積神經網絡模型的Huber損失函數。

優選地，對于所述缺陷檢測識別結果中涉及需計算缺陷程度的缺陷，在步驟S4中還包括根據缺陷類別采用相應的計算方法計算缺陷程度，并將計算出的所述缺陷程度也存入所述數據管理系統中。