[發明專利]電網缺陷檢測方法及系統

有效

• 申請號: 202110199986.X
• 申請日: 2021-02-22
• 公開（公告）號: CN113012107B
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 王紅星;沈杰;宋煜;陳玉權;吳媚;張欣;黃鄭;凌健;毛偉平
• 申請（專利權）人: 江蘇方天電力技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/187;G06N3/08;G06K9/62;G06V10/774
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 戴朝榮

本發明實施例提供一種電網缺陷檢測方法及系統，該方法包括：獲取待檢測的電網巡檢圖像對應的特征圖，其中，所述特征圖包括多個格點，每一個所述格點對應所述圖像的一個區域；將所述特征圖中的格點分為第一類和第二類，其中，所述第一類表示缺陷區域，所述第二類表示背景區域；將所述第一類的格點進行合并，獲得連通域；并將所述連通域輸入至預先訓練好的目標檢測網絡中，獲得所述網絡輸出的缺陷檢測結果。本發明實施例對于電網巡檢照片這種有復雜背景的數據，缺陷目標占整個圖片的比例很低，通過由粗到精的快速電網缺陷檢測方法，先提取目標，再將目標進行分類回歸，可以明顯提高模型的準確度。

技術領域

本發明涉及計算機視覺領域，更具體地，涉及一種電網缺陷檢測方法及系統。

背景技術

目標檢測是計算機視覺領域的基本任務之一，學術界已有將近二十年的研究歷史。近些年隨著深度學習技術的火熱發展，目標檢測算法也從基于手工特征的傳統算法轉向了基于深度神經網絡的檢測技術。基于深度學習的目標檢測算法在性能上明顯好于傳統方法，已經廣泛應用于機器人導航、智能視頻監控、工業檢測、航空航天等諸多領域，通過計算機視覺減少對人力資本的消耗，具有重要的現實意義。

當前主流的目標檢測算法分為one-stage和two-stage兩種類型，其中one-stage是一種端到端、由輸入直接輸出檢測結果的目標檢測算法，當前性能優異的網絡主要有YOLO v4、SSD、FCOS等；two-stage首先使用RPN(region proposal network)提取proposal信息，再使用R-CNN對候選框位置進行預測和物體類別識別，當前主流的網絡是Faster R-CNN，這些算法在公開的數據集都有較好的表現，但是對工業具體的數據集，尤其是背景很復雜的工業數據，直接使用這些網絡模型往往達不到工業的使用要求。

隨著輸電線路的不斷建設，其壽命管理和腐蝕管理問題越來越突出。輸電線路主要由架空導地線、絕緣子、金具、桿塔、基礎和接地裝置等部件組成，長期運行在野外，受到各種惡劣環境的侵蝕，使得輸電線路導線、地線、金具、桿塔和基礎等在腐蝕環境下受到嚴重的腐蝕破壞。當這些部件出現問題時，會危機整個電網運行的穩定性，對人民的生活與生產活動產生不利影響。因此，對關鍵部件缺陷的智能檢測變得尤為重要。

利用無人機進行輸電線路巡檢時近幾年國內外研究的熱點技術之一，其具有高效、快捷、可靠、成本低、不受地域影響等優點。與傳統人工巡線方式相比，該技術不僅能大幅度提高工作效率，有效保障巡線作業人員的人身安全，降低巡線成本，而且還能大大縮短系統反應時間。“以無人機巡視為主，人工巡視為輔”將是高壓、超高壓線路巡檢的發展方向。

電網巡檢數據集是由無人機采集的圖片，由于無人機拍攝的角度和拍攝距離等問題，導致電網巡檢數據集的圖片往往存在圖像尺寸大、缺陷目標小的特點，如果直接將這些圖片輸入到目標檢測網絡中，模型中存在大量的冗余計算，導致檢測效果不佳，很難達到工業使用要求。

為此，需要根據電網巡檢數據集的特點，對傳統的目標檢測算法進行改進，進而提升檢測效果，達到工業應用要求。

發明內容

為了解決上述問題，本發明實施例提供一種克服上述問題或者至少部分地解決上述問題的電網缺陷檢測方法及系統。

第一方面，本發明實施例提供一種電網缺陷檢測方法，該方法包括：獲取待檢測的電網巡檢圖像對應的特征圖，其中，所述特征圖包括多個格點，每一個所述格點對應所述圖像的一個區域；將所述特征圖中的格點分為第一類和第二類，其中，所述第一類表示缺陷區域，所述第二類表示背景區域；將所述第一類的格點進行合并，獲得連通域；并將所述連通域輸入至預先訓練好的目標檢測網絡中，獲得所述網絡輸出的缺陷檢測結果。