[發明專利]一種基于FasterRCNN級聯的電塔螺栓異常檢測方法

在審

• 申請號: 202011310687.0
• 申請日: 2020-11-20
• 公開（公告）號: CN113177570A
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 曾耀強;羅勁;劉華;吳彥偉;徐敏;邱海江;林堅;高懌;楊文清;馮宇科
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京知企鴻蒙專利代理事務所(普通合伙) 11692
• 代理人: 劉帥帥

本發明公開了一種基于FasterRCNN級聯的電塔螺栓異常檢測方法，包括數據獲取及標注；Faster RCNN網絡訓練；螺帽缺失檢測，本發明適用于深度學習中目標檢測技術領域，本發明借助二級網絡對螺栓進行異常檢測，提升了檢測精度，高效地完成日常輸電線路的巡檢，大大提高了巡檢效率。

技術領域

本發明屬于深度學習中目標檢測技術領域，具體是一種基于FasterRCNN級聯的電塔螺栓異常檢測方法。

背景技術

隨著國家電網的不斷發展，加大“互聯網+”創新力度成為現如今的工作重點，如何實現電力系統物聯網和巡檢自動化是亟需解決的問題。螺栓作為電塔的重要組成部分，關鍵位置的螺栓異常可能會導致安全隱患。

然而，傳統的螺栓異常檢測方法通常是人工巡檢，存在工作量大、效率低、不安全等問題，隨著無人機的發展，常用人工識別無人機拍攝的螺栓影像中存在的異常，但是現有方法得到的檢測數據精度低，不利于日常輸電線路的巡檢，導致巡檢效率慢。

發明內容

本發明的目的在于克服現有技術的缺陷，提供一種基于FasterRCNN級聯的電塔螺栓異常檢測方法。

為實現上述目的，本發明采用了如下技術方案：

一種基于FasterRCNN級聯的電塔螺栓異常檢測方法，包括：

數據獲取及標注；

Faster RCNN網絡訓練；

螺帽缺失檢測。

優選的，所述數據獲取及標注,包括：

確定數據采集地；

確定數據采集要求：在光照不強的時間段采集數據，采集數量為2000—3000個螺栓樣本，樣本格式為影像或者視頻；

數據采集：采集若干個輸電塔上關鍵部位螺栓的影像，組成訓練和測試的數據集；

訓練集標注：采用拉矩形框的方式，標注影像中包含螺栓的部件，送入網絡訓練。

優選的，所述Faster RCNN網絡訓練，包括：

使用VGG16進行特征提取；

用RPN網絡生成檢測框，其中，所述RPN網絡包括兩部分，其中一部分通過分類得到前景和背景，另一部分得到精確的位置信息；

挑選出若干個樣本，通過ROI Pooling將這些不同尺寸的區域歸一化到同一個尺度上，實現權重共享；

分類：通過全連接層和softmax進行分類，利用bounding box regression得到更加精確的候選框。

優選的，所述螺帽缺失檢測，包括：

基于Faster RCNN網絡訓練，檢測出包含螺栓的部件，輸出為影像；

標注影像中包含的螺栓，組成新的訓練數據集；

將新的數據集送入網絡中進行訓練，得到檢測結果；

進行40萬次迭代，基于精確率與召回率，結合輸電塔關鍵部位的結構特殊性和包含螺栓數量的規律性，對檢測精度進行評定。

綜上所述，由于采用了上述技術方案，本發明的有益效果是：

本發明提出一種基于FasterRCNN級聯的電塔螺栓異常檢測方法，借助二級網絡對螺栓進行異常檢測，提升了檢測精度，高效地完成日常輸電線路的巡檢，大大提高了巡檢效率。

附圖說明

圖1是本發明的流程圖;

圖2是本發明實施例提供的一種螺栓螺帽示意圖；

圖3是本發明實施例提供的一種電塔螺栓檢測方法框架圖；

圖4是本發明實施例提供的一種螺栓數據集示意圖；

圖5是本發明實施例提供的一種螺栓部件標注示意圖；

圖6是本發明實施例提供的一種螺栓標注示意圖；