[發(fā)明專(zhuān)利]電網(wǎng)缺陷檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110199986.X
• 申請(qǐng)日: 2021-02-22
• 公開(kāi)（公告）號(hào): CN113012107B
• 公開(kāi)（公告）日: 2022-07-08
• 發(fā)明（設(shè)計(jì)）人: 王紅星;沈杰;宋煜;陳玉權(quán);吳媚;張欣;黃鄭;凌健;毛偉平
• 申請(qǐng)（專(zhuān)利權(quán)）人: 江蘇方天電力技術(shù)有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T7/11;G06T7/187;G06N3/08;G06K9/62;G06V10/774
• 代理公司: 南京鐘山專(zhuān)利代理有限公司 32252
• 代理人: 戴朝榮

本發(fā)明實(shí)施例提供一種電網(wǎng)缺陷檢測(cè)方法及系統(tǒng)，該方法包括：獲取待檢測(cè)的電網(wǎng)巡檢圖像對(duì)應(yīng)的特征圖，其中，所述特征圖包括多個(gè)格點(diǎn)，每一個(gè)所述格點(diǎn)對(duì)應(yīng)所述圖像的一個(gè)區(qū)域；將所述特征圖中的格點(diǎn)分為第一類(lèi)和第二類(lèi)，其中，所述第一類(lèi)表示缺陷區(qū)域，所述第二類(lèi)表示背景區(qū)域；將所述第一類(lèi)的格點(diǎn)進(jìn)行合并，獲得連通域；并將所述連通域輸入至預(yù)先訓(xùn)練好的目標(biāo)檢測(cè)網(wǎng)絡(luò)中，獲得所述網(wǎng)絡(luò)輸出的缺陷檢測(cè)結(jié)果。本發(fā)明實(shí)施例對(duì)于電網(wǎng)巡檢照片這種有復(fù)雜背景的數(shù)據(jù)，缺陷目標(biāo)占整個(gè)圖片的比例很低，通過(guò)由粗到精的快速電網(wǎng)缺陷檢測(cè)方法，先提取目標(biāo)，再將目標(biāo)進(jìn)行分類(lèi)回歸，可以明顯提高模型的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺(jué)領(lǐng)域，更具體地，涉及一種電網(wǎng)缺陷檢測(cè)方法及系統(tǒng)。

背景技術(shù)

目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域的基本任務(wù)之一，學(xué)術(shù)界已有將近二十年的研究歷史。近些年隨著深度學(xué)習(xí)技術(shù)的火熱發(fā)展，目標(biāo)檢測(cè)算法也從基于手工特征的傳統(tǒng)算法轉(zhuǎn)向了基于深度神經(jīng)網(wǎng)絡(luò)的檢測(cè)技術(shù)。基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法在性能上明顯好于傳統(tǒng)方法，已經(jīng)廣泛應(yīng)用于機(jī)器人導(dǎo)航、智能視頻監(jiān)控、工業(yè)檢測(cè)、航空航天等諸多領(lǐng)域，通過(guò)計(jì)算機(jī)視覺(jué)減少對(duì)人力資本的消耗，具有重要的現(xiàn)實(shí)意義。

當(dāng)前主流的目標(biāo)檢測(cè)算法分為one-stage和two-stage兩種類(lèi)型，其中one-stage是一種端到端、由輸入直接輸出檢測(cè)結(jié)果的目標(biāo)檢測(cè)算法，當(dāng)前性能優(yōu)異的網(wǎng)絡(luò)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(duì)候選框位置進(jìn)行預(yù)測(cè)和物體類(lèi)別識(shí)別，當(dāng)前主流的網(wǎng)絡(luò)是Faster R-CNN，這些算法在公開(kāi)的數(shù)據(jù)集都有較好的表現(xiàn)，但是對(duì)工業(yè)具體的數(shù)據(jù)集，尤其是背景很復(fù)雜的工業(yè)數(shù)據(jù)，直接使用這些網(wǎng)絡(luò)模型往往達(dá)不到工業(yè)的使用要求。

隨著輸電線路的不斷建設(shè)，其壽命管理和腐蝕管理問(wèn)題越來(lái)越突出。輸電線路主要由架空導(dǎo)地線、絕緣子、金具、桿塔、基礎(chǔ)和接地裝置等部件組成，長(zhǎng)期運(yùn)行在野外，受到各種惡劣環(huán)境的侵蝕，使得輸電線路導(dǎo)線、地線、金具、桿塔和基礎(chǔ)等在腐蝕環(huán)境下受到嚴(yán)重的腐蝕破壞。當(dāng)這些部件出現(xiàn)問(wèn)題時(shí)，會(huì)危機(jī)整個(gè)電網(wǎng)運(yùn)行的穩(wěn)定性，對(duì)人民的生活與生產(chǎn)活動(dòng)產(chǎn)生不利影響。因此，對(duì)關(guān)鍵部件缺陷的智能檢測(cè)變得尤為重要。

利用無(wú)人機(jī)進(jìn)行輸電線路巡檢時(shí)近幾年國(guó)內(nèi)外研究的熱點(diǎn)技術(shù)之一，其具有高效、快捷、可靠、成本低、不受地域影響等優(yōu)點(diǎn)。與傳統(tǒng)人工巡線方式相比，該技術(shù)不僅能大幅度提高工作效率，有效保障巡線作業(yè)人員的人身安全，降低巡線成本，而且還能大大縮短系統(tǒng)反應(yīng)時(shí)間。“以無(wú)人機(jī)巡視為主，人工巡視為輔”將是高壓、超高壓線路巡檢的發(fā)展方向。

電網(wǎng)巡檢數(shù)據(jù)集是由無(wú)人機(jī)采集的圖片，由于無(wú)人機(jī)拍攝的角度和拍攝距離等問(wèn)題，導(dǎo)致電網(wǎng)巡檢數(shù)據(jù)集的圖片往往存在圖像尺寸大、缺陷目標(biāo)小的特點(diǎn)，如果直接將這些圖片輸入到目標(biāo)檢測(cè)網(wǎng)絡(luò)中，模型中存在大量的冗余計(jì)算，導(dǎo)致檢測(cè)效果不佳，很難達(dá)到工業(yè)使用要求。

為此，需要根據(jù)電網(wǎng)巡檢數(shù)據(jù)集的特點(diǎn)，對(duì)傳統(tǒng)的目標(biāo)檢測(cè)算法進(jìn)行改進(jìn)，進(jìn)而提升檢測(cè)效果，達(dá)到工業(yè)應(yīng)用要求。

發(fā)明內(nèi)容

為了解決上述問(wèn)題，本發(fā)明實(shí)施例提供一種克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的電網(wǎng)缺陷檢測(cè)方法及系統(tǒng)。

第一方面，本發(fā)明實(shí)施例提供一種電網(wǎng)缺陷檢測(cè)方法，該方法包括：獲取待檢測(cè)的電網(wǎng)巡檢圖像對(duì)應(yīng)的特征圖，其中，所述特征圖包括多個(gè)格點(diǎn)，每一個(gè)所述格點(diǎn)對(duì)應(yīng)所述圖像的一個(gè)區(qū)域；將所述特征圖中的格點(diǎn)分為第一類(lèi)和第二類(lèi)，其中，所述第一類(lèi)表示缺陷區(qū)域，所述第二類(lèi)表示背景區(qū)域；將所述第一類(lèi)的格點(diǎn)進(jìn)行合并，獲得連通域；并將所述連通域輸入至預(yù)先訓(xùn)練好的目標(biāo)檢測(cè)網(wǎng)絡(luò)中，獲得所述網(wǎng)絡(luò)輸出的缺陷檢測(cè)結(jié)果。