[發(fā)明專利]一種基于YOLOv3-tiny算法的絕緣子紅外圖像故障檢測方法

在審

• 申請?zhí)枺?/td>: 202010871732.3
• 申請日: 2020-08-26
• 公開（公告）號: CN112036464A
• 公開（公告）日: 2020-12-04
• 發(fā)明（設(shè)計）人: 梁利輝;武建華;劉海峰;趙志剛;池城;劉云鵬;裴少通;尹子會;范曉丹
• 申請（專利權(quán)）人: 國家電網(wǎng)有限公司;國網(wǎng)河北省電力有限公司檢修分公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00;H02J13/00
• 代理公司: 石家莊新世紀(jì)專利商標(biāo)事務(wù)所有限公司 13100
• 代理人: 楊欽祥;董金國

1.一種基于 YOLOv3-tiny 算法的絕緣子紅外圖像故障檢測方法，其特征在于其包括如下步驟：

S1：對大樣本外絕緣設(shè)備紅外通道數(shù)據(jù)進行圖像預(yù)處理以擴充訓(xùn)練樣本；

S2：采用K-means聚類算法進行標(biāo)注框的聚類分析，確定邊界框的大小；

S3：基于YOLOv3-tiny的評判機制和大樣本紅外通道數(shù)據(jù)進行模型訓(xùn)練；

S4：將待檢測的紅外通道圖像輸入上一步所得模型中進行識別診斷。

2.根據(jù)權(quán)利要求1所述的一種基于 YOLOv3-tiny 算法的絕緣子紅外圖像故障檢測方法，其特征在于在S1中，圖像預(yù)處理包括隨機調(diào)整飽和度、調(diào)整曝光度、調(diào)整色調(diào)來生成更多的訓(xùn)練樣本。

3.根據(jù)權(quán)利要求1所述的一種基于 YOLOv3-tiny 算法的絕緣子紅外圖像故障檢測方法，其特征在于在S2中，依據(jù)數(shù)據(jù)集樣本特征設(shè)定網(wǎng)絡(luò)節(jié)點輸出的標(biāo)準(zhǔn)尺寸，采用K-means聚類算法進行標(biāo)注框的聚類分析，確定邊界框的大小。

4.根據(jù)權(quán)利要求1或3所述的一種基于 YOLOv3-tiny 算法的絕緣子紅外圖像故障檢測方法，其特征在于采用K-means聚類算法進行標(biāo)注框的聚類分析的具體步驟包括：

將數(shù)據(jù)分為K組，則隨機選取K個對象作為初始的聚類中心，然后計算每個對象與各個種子聚類中心之間的距離，把每個對象分配給距離它最近的聚類中心，聚類中心以及分配給它們的對象就代表一個聚類；

每分配一個樣本，聚類的聚類中心根據(jù)聚類中現(xiàn)有的對象被重新計算；不斷重復(fù)直到滿足終止條件。

5.根據(jù)權(quán)利要求4所述的一種基于 YOLOv3-tiny 算法的絕緣子紅外圖像故障檢測方法，其特征在于終止條件為沒有對象被重新分配給不同的聚類，沒有聚類中心再發(fā)生變化，誤差平方和局部最小。

6.根據(jù)權(quán)利要求4所述的一種基于 YOLOv3-tiny 算法的絕緣子紅外圖像故障檢測方法，其特征在于終止條件為最小數(shù)目對象被重新分配給不同的聚類，沒或最小數(shù)目聚類中心再發(fā)生變化，誤差平方和局部最小。

7.根據(jù)權(quán)利要求4所述的一種基于 YOLOv3-tiny 算法的絕緣子紅外圖像故障檢測方法，其特征在于所述k=6，經(jīng)過預(yù)處理擴充樣本后的圖像樣本集的標(biāo)準(zhǔn)框尺寸經(jīng)過K-means聚類算法處理后確定為[105,153]，[114,43]，[33,78]， [52,25]，[22,34]， [16,15]。

8.根據(jù)權(quán)利要求1所述的一種基于 YOLOv3-tiny 算法的絕緣子紅外圖像故障檢測方法，其特征在于在S3中，YOLOv3-tiny是一個輕量化目標(biāo)檢測網(wǎng)絡(luò)，總共有24個網(wǎng)絡(luò)層，2個yolo層，分別是大小為13×13的yolo16和大小為26×26的yolo23。

9.根據(jù)權(quán)利要求1或8所述的一種基于 YOLOv3-tiny 算法的絕緣子紅外圖像故障檢測方法，其特征在于在S3中，模型訓(xùn)練包括如下步驟：

依據(jù)劣化絕緣子的紅外特征確立若干個網(wǎng)絡(luò)節(jié)點輸出尺寸；

依據(jù)訓(xùn)練圖像的大小調(diào)節(jié)參數(shù)，放縮所述圖像，依據(jù)所述網(wǎng)絡(luò)節(jié)點選擇Batch_size，通過前向傳播和后向傳播迭代進行訓(xùn)練，當(dāng)訓(xùn)練達到最優(yōu)IoU及最低LOSS值時，保存權(quán)重并退出訓(xùn)練；其中IoU表示圖像處理的交并比；LOSS表示網(wǎng)絡(luò)實際輸出值與樣本標(biāo)簽值之間的偏差；Batch_size表示一次訓(xùn)練所選取的樣本數(shù)。

10.根據(jù)權(quán)利要求1所述的一種基于 YOLOv3-tiny 算法的絕緣子紅外圖像故障檢測方法，其特征在于S4的診斷識別包括如下步驟：

通過下采樣尺度設(shè)定6種不同尺寸的先驗框；

采用尺寸較大的三個所述先驗框?qū)?3×13的特征圖進行特征檢測提取，采用尺寸較小的三個所述先驗框?qū)?6×26的特征圖進行特征檢測提取，

采用2個YOLO輸出層分別對各自前一層的特征庫進行解析，輸出診斷預(yù)測信息和預(yù)測置信度，輸出2個尺寸的IoU值；

通過橫向比較不同尺寸下IoU值，完成紅外診斷識別。