[發明專利]基于級聯R-CNN算法的輸電線路防振錘變形缺陷檢測方法

在審

• 申請號: 202110323376.6
• 申請日: 2021-03-26
• 公開（公告）號: CN112950620A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 程繩;吳軍;董曉虎;金哲;姚京松;辛巍;潘尚智;陳文;白梁軍;易芬芬;范楊;胡昀;洪晴;時偉君;魏莉芳;王薇
• 申請（專利權）人: 國網湖北省電力公司檢修公司;武漢大學;湖北省超能電力有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 北京中北知識產權代理有限公司 11253
• 代理人: 李新昂

本發明公開了一種基于級聯R?CNN算法的輸電線路防振錘變形缺陷檢測方法，包括對無人機航拍的防振錘圖像進行預處理，得到初步預處理后的防振錘圖像數據集；基于預處理后的圖像數據，構建防振錘目標檢測訓練集、驗證集和測試集；利用訓練集中數據對Cascade R?CNN模型進行迭代訓練模塊；Cascade R?CNN模型的測試模型精度模塊；判斷防振錘是否發生變形，并對最終得到待檢測防振錘變形缺陷區域進行標注模塊。本發明的有益效果是：解決了現有檢測技術中IoU閾值過大帶來的過擬合和IoU閾值與訓練器中的閾值不匹配問題，提高了輸電線路防振錘檢測和防振錘變形缺陷識別能力，提高巡檢工作效率。

技術領域

本發明涉及一種輸電線路防振錘變形缺陷檢測方法，具體為一種基于級聯R-CNN算法的輸電線路防振錘變形缺陷檢測方法，屬于輸電線路檢測技術領域。

背景技術

高壓輸電線路作為電力電網的主要載體，其安全運行影響著整個電力系統的穩定性。由于輸電線路距離跨度大，所處自然環境復雜多樣，受大風、下雨、雷擊等外界因素影響，高壓輸電線路極易出現各種缺陷故障。人工巡檢存在工作人員工作量大，安全無保障、巡檢效率低、故障解決不及時等缺點。僅使用人工巡檢進行故障排查無法滿足高壓輸電線路的實時巡檢需求。因此，需要開發一種可以新巡檢的方式以提高工作效率確保電力線路的安全。無人機因其遠程遙控控制、起降方便，操作靈活等特點，檢測過程成本相對低廉，可以減少人員的工作量，提升巡檢速度。將無人機投入到高壓輸電線路的巡檢中成為人們的首選。當前人們采用無人機巡檢輸電線路采集圖像，通過人工或智能方式對圖像進行處理。

輸電線路由于頻繁震動容易發生周期性的彎折疲勞，導致材料疲勞損傷，如斷股、金具磨損和斷線等。防振錘能產生與導線振動相位相反的運動，從而減弱或消除導線的這種周期性震動。防振錘發生故障時，其性能將會失效，引發一系列嚴重后果。但是采用無人機拍攝防振錘圖像，由于背景復雜，防振錘角度多變等特點，很容易導致漏檢和誤檢，從而會加大檢修的成本。如何快速地、精確地檢測出無人機拍攝的輸電線路圖像中防振錘缺陷已成為急需解決的問題。

包括目標檢測在內的計算機視覺領域中，深度學習特別是卷積神經網絡得到越來越多的應用。目標檢測中的CNN方法可以分為兩類，以YOLO和SSD為代表的回歸的方法和以SPPnet、R-CNN和Fast R-CNN為代表的基于區域建議的方法，前者速度快但檢測效果差，后者犧牲了速度但提高了檢測精度。在輸電線路的防振錘缺陷檢測中，檢測的精度相對于檢測的速度更為重要。因此主流的檢測其選擇以選擇Faster R-CNN作為檢測算法。但是為提高防振錘缺陷檢測精度，人們通過提高正樣本的IoU閾值來實現，這樣又產生了兩個新問題：

1)過擬合問題；

2)更嚴重的不匹配問題，只有proposal自身的閾值和訓練器訓練用的閾值較為接近的時候，訓練器性能才最好，IoU閾值與訓練器中的閾值相差太大都會導致錯誤匹配問題。

發明內容

本發明的目的就在于為了解決輸電線路防振錘變形缺陷檢測在實際應用中檢測效率低，容易漏檢和誤檢的問題而提供一種基于級聯R-CNN算法的輸電線路防振錘變形缺陷檢測方法。

本發明通過以下技術方案來實現上述目的：一種基于級聯R-CNN算法的輸電線路防振錘變形缺陷檢測方法，包括以下步驟：

步驟1：從輸電線路巡檢圖像集得到的防振錘圖像進行預處理，得到初步預處理后的防振錘圖像數據集；

步驟2：基于預處理后的圖像數據，構建防振錘目標檢測訓練集、驗證集和測試集；

步驟3：利用訓練集中數據對Cascade R-CNN模型進行迭代訓練；

步驟4：將測試集輸入訓練后的Cascade R-CNN模型檢測防振錘圖像，測試模型精度；

步驟5：將待測的防振錘圖像輸入訓練好的模型，判斷防振錘是否發生變形，并對最終得到待檢測防振錘變形缺陷區域進行標注。