[發明專利]一種輸電線路無人機巡檢圖像質量評價方法

有效

• 申請號: 202011197484.5
• 申請日: 2020-10-30
• 公開（公告）號: CN112367518B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 江灝;金志恒;劉欣宇;繆希仁;陳靜;林志成
• 申請（專利權）人: 福州大學
• 主分類號: H04N17/00
• 分類號: H04N17/00;H02G1/02
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 錢莉;蔡學俊

本發明涉及一種輸電線路無人機巡檢圖像質量評價方法，包括步驟：制作關鍵部件檢測訓練數據集與圖像清晰度檢測訓練數據集，同時構建并訓練巡檢圖像關鍵部件檢測模型與巡檢圖像清晰度檢測模型；將待評價的圖像分別輸入訓練好的兩個模型中，由巡檢圖像關鍵部件檢測模型得到圖像中關鍵部件的種類和預測框信息，由巡檢圖像清晰度檢測模型得到圖像中每個圖像塊是否清晰；對每個得到的預測框，計算預測框內清晰的圖像子塊的占比，篩選出達標的預測框；對每個清晰度達標的預測框，計算預測框的中心偏離度與圖占比兩個指標，若均達標，則當前預測框滿足質量要求；進而判斷當前圖像是否為合格圖像。本發明能夠快速有效地評價電力巡檢圖像。

技術領域

本發明涉及圖像質量評價技術領域，特別是一種輸電線路無人機巡檢圖像質量評價方法。

背景技術

我國的輸電網規模日益龐大，為保證電力系統安全，相關部門每年需要投入大量的人力物力對輸電線路進行巡檢，而傳統的人工巡檢往往成本高、風險大。隨著無人機技術的發展，無人機體積小、不受地理條件限制的優點在電力巡檢中被大量運用，不僅提高了巡檢效率，同時降低巡檢人員工作強度和危險性，彌補了人工巡檢的不足。

目前的無人機電力巡檢，主要依靠飛手控制無人機進行圖像采集，然后由基于深度學習的圖像處理算法分析巡檢圖像，進行故障診斷。在這過程中，巡檢圖像的質量至關重要，高質量的巡檢圖像不僅能夠提高算法檢測的準確率，也能夠提高模型訓練樣本的挑選效率，促進圖像處理算法的設計。然而，由于飛手操控無人機的水平不同、拍攝巡檢圖像的環境不一、圖像傳輸過程中的損壞等等原因，最終的巡檢圖像質量往往參差不齊，嚴重影響了后期的分析處理工作。因此有必要對巡檢圖像進行質量評價，篩選出高質量的圖像。現階段，對于圖像質量評價的研究主要針對自然圖像，且主要目標是對圖像整體清晰度的評價，然而在輸電線路巡檢中，更關注的是巡檢圖像中關鍵部件的拍攝是否合格，要求關鍵目標在圖像中顯示清晰、位于圖像中心區域且占比足夠大。因此，如何針對巡檢圖像的特點，在海量巡檢圖像中篩選出合格的高質量圖像，是一個急需解決的問題。

發明內容

有鑒于此，本發明的目的是提出一種輸電線路無人機巡檢圖像質量評價方法，能夠快速有效地評價電力巡檢圖像。

本發明采用以下方案實現：一種輸電線路無人機巡檢圖像質量評價方法，具體包括以下步驟：

制作關鍵部件檢測訓練數據集，同時構建并訓練巡檢圖像關鍵部件檢測模型，該模型的輸出為圖像上的一個以上的關鍵部件預測框及其分類；

制作圖像清晰度檢測訓練數據集，同時構建并訓練巡檢圖像清晰度檢測模型，該模型用于判斷圖像中每個設定大小的圖像子塊是否為清晰塊；

將待評價的圖像分別輸入訓練好的巡檢圖像關鍵部件檢測模型與巡檢圖像清晰度檢測模型中，由巡檢圖像關鍵部件檢測模型得到圖像中關鍵部件的種類和預測框信息，由巡檢圖像清晰度檢測模型得到圖像中每個圖像塊是否清晰；

對每個得到的預測框，計算預測框內清晰的圖像子塊的占比，若占比大于預設的閾值，則判斷該預測框的清晰度達標。若圖像包含清晰度達標的預測框，則判斷圖像包含清晰目標，進行后續的處理，否則判定該圖像不合格，舍棄；

對每個清晰度達標的預測框，計算預測框的中心偏離度與圖占比兩個指標，將兩個指標與設定的閾值比較，若均滿足，則當前預測框預測目標拍攝合格。若一張圖像至少有一個清晰且拍攝合格的目標，則判定該圖像合格，否則舍棄。

進一步地，所述巡檢圖像關鍵部件檢測模型采用YOLOv3目標檢測模型，輸入圖像進入該模型，預測得到圖像中關鍵部件的類別及預測框左上角和右下角的坐標。

進一步地，所述巡檢圖像清晰度檢測模型采用ResNet152深度殘差網絡作為巡檢圖像清晰度特征提取網絡，同時移除ResNet152深度殘差網絡的輸出層并增加Dropout層及Softmax層。