[發明專利]一種用于電力巡檢絕緣子故障圖像識別方法

在審

• 申請號: 202110421982.1
• 申請日: 2021-04-20
• 公開（公告）號: CN113095252A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 劉傳洋;劉景景;孫佐;徐華結;陳林
• 申請（專利權）人: 池州學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 合肥中博知信知識產權代理有限公司 34142
• 代理人: 吳棟杰

1.一種用于電力巡檢絕緣子故障圖像識別方法，其特征在于，包括以下步驟：

S1、采集航拍絕緣子圖像，制作絕緣子故障數據集；

S2、利用Label-Image標注工具對航拍圖像中的絕緣子故障位置進行標注，得到絕緣子故障數據集；

S3、隨機選取數據集中的一部分圖像作為訓練集，剩余圖像作為測試集，訓練集與測試集按照2：1比例選?。?/p>

S4、對步驟S2得到的絕緣子故障數據集進行預測框計算，先讀取標注好的數據集，隨機初始化邊界框的寬度和高度，再利用K-means++算法進行迭代，計算得到預測框的坐標；

S5、建立基于深度學習的絕緣子故障檢測模型，所述檢測模型具體包含依次連接的主干網絡層、金字塔池化層、特征融合層、目標檢測層；

S6、將訓練集圖像輸入步驟S5所述的絕緣子故障檢測模型，進行網絡設置，重復迭代訓練，得到訓練好的絕緣子故障檢測模型；

S7、測試集圖像輸入到步驟S6訓練好的絕緣子故障檢測模型進行性能測試，輸出檢測結果。

2.如權利要求1所述的一種用于電力巡檢絕緣子故障圖像識別方法，其特征在于：選取航拍絕緣子故障圖像864張，圖像分辨率調整為416×416，建立絕緣子故障數據集；選取576張標注后的絕緣子圖像作為訓練集，其余288張絕緣子圖像用作測試集。

3.如權利要求2所述的一種用于電力巡檢絕緣子故障圖像識別方法，其特征在于，所述步驟S4最終利用K-means++算法選取K＝9，得到9個預測框的坐標為(18×14),(22×17),(22×20),(21×23),(26×19),(24×23),(28×23),(26×29)和(32×29)。

4.如權利要求1所述的一種用于電力巡檢絕緣子故障圖像識別方法，其特征在于，所述步驟S5中用于絕緣子故障檢測的深度學習網絡模型包括主干網絡層、金字塔池化層、特征融合層、目標檢測層；輸入到所述檢測模型的圖像特征為416×416×3，所述主干網絡層具體包括依次連接的第一特征層、第二特征層、第三特征層、第四特征層、第五特征層和第六特征層，所述第一特征層提取圖像特征416×416×32，所述第二特征層提取圖像特征208×208×64，所述第三特征層提取圖像特征104×104×128，所述第四特征層提取圖像特征52×52×256，所述第五特征層提取圖像特征26×26×512，所述第六特征層提取圖像特征13×13×1024；所述第四特征層、第五特征層、第六特征層的輸出與金字塔池化層相連，金字塔池化層采用三尺度金字塔池化結構，三尺度金字塔池化層的輸出與特征融合層相連，所述特征融合層輸出52×52、26×26、13×13三尺度特征給目標檢測層，所述目標檢測層分別對特征尺度為52×52、26×26、13×13的絕緣子故障圖像進行預測。