[發明專利]一種輸電線路缺陷識別方法和終端

在審

• 申請號: 202011280781.6
• 申請日: 2020-11-16
• 公開（公告）號: CN112381798A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 張雨;徐杞斌;陳亮;王一名;蔡堅松;譚健銘;曾繁榮
• 申請（專利權）人: 廣東電網有限責任公司肇慶供電局
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06T7/11;G06T7/194
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 劉瑤云

本發明提出了一種輸電線路缺陷識別方法和終端，該方法包括：獲取輸電線路的待識別圖像；將待識別圖像輸入預設的特征提取算法，將疑似存在缺陷的區域設置為候選區域；基于訓練好的深度卷積神經網絡分類器與圖像檢測算法對候選區域進行分類和檢測，以區分出背景區域、正常區域與缺陷區域。本發明以圖像自動化識別的方式，實現了對輸電線路中缺陷的快速自動化的識別，提升了效率，降低了成本。

技術領域

本發明涉及輸電線路的缺陷檢測技術領域，特別涉及一種輸電線路缺陷識別方法和終端。

背景技術

輸電線路給人們的工作生活提供源源不斷的電力支持，也由此，輸電線路在現代社會被大規模的應用，但是隨著輸電線路本身以及隨著在不同環境下的使用，特別是惡劣環境中的使用，輸電線路會出現一些缺陷，這些缺陷會影響到供電的正常進行，因此需要及時對輸電線路的缺陷進行識別。

目前，在輸電線路的缺陷識別中，比較常規的方式是采用人工的方式來進行的，具體的，是派遣有經驗的工作人員，以肉眼的方式實地查看輸電線路，或者通過顯示器查看輸電線路的圖片的方式來人工檢測出是否存在缺陷，但是這種方式效率低下，需要大量的人力，而目前輸電線路的數量是海量的，人工的方式無法有效的應對這種數量規模的輸電線路的識別需要。目前也有通過無人機拍照識別的，例如公布號為CN109544501A、公布日為2019.3.29的中國專利-一種基于無人機多源圖像特征匹配的輸電設備缺陷檢測方法，該專利通過無人機進行拍攝照片，直接對圖片進行分析識別，雖然不用人力，但是識別的精度不高，而且效率低，為此，目前需要一種更好的方案來輸電線路進行識別。

發明內容

本發明提出了一種輸電線路缺陷識別方法和終端，以圖像自動化識別的方式，實現了對輸電線路中缺陷的快速自動化的識別，提升了效率，降低了成本。

具體的，本發明提出了以下具體的技術方案：

一種輸電線路缺陷識別方法，包括：

獲取輸電線路的待識別圖像；

將待識別圖像輸入預設的特征提取算法，將疑似存在缺陷的區域設置為候選區域；

基于訓練好的深度卷積神經網絡分類器與圖像檢測算法對候選區域進行分類和檢測，以區分出背景區域、正常區域與缺陷區域。

在一個具體的實施例中，預設的特征提取算法是通過人工經驗知識并基于顏色空間分解的方法得到的。

在一個具體的實施例中，疑似存在缺陷的區域為以下一個或多個的任意組合：存在導線散股斷股燒蝕特征的區域、存在絕緣子瓷瓶雷擊燒蝕特征的區域、存在破損的幾何特征區域、存在特定顏色特征的區域、存在特定紋理特征的區域、存在特定形狀特征的區域。

在一個具體的實施例中，還包括：

獲取輸電線路的樣本圖像；其中，樣本圖像包括標識有缺陷的正向樣本圖像以及確定不存在缺陷的反向樣本圖像；

通過正向樣本圖像與所述反向樣本圖像在深度卷積神經網絡中進行訓練，得到訓練好的深度卷積神經網絡分類器。

在一個具體的實施例中，正向樣本圖像的數量多于反向樣本圖像的數量。

在一個具體的實施例中，正向樣本圖像與反向樣本圖像的數量之比為4:1。

在一個具體的實施例中，基于訓練好的深度卷積神經網絡分類器與圖像檢測算法對候選區域進行分類和檢測，以區分出背景區域、正常區域與缺陷區域的具體過程包括：

通過訓練好的深度卷積神經網絡分類器對候選區域進行處理，并提取深度卷積神經網絡分類器中深度神經網絡倒數第二層的特征數據；

通過圖像檢測算法對特征數據進行分類和檢測，以區分出背景區域、正常區域與缺陷區域。