[發明專利]一種缺陷絕緣子的檢測方法

在審

• 申請號: 202110437478.0
• 申請日: 2021-04-22
• 公開（公告）號: CN113205019A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 溫蜜;種法廣;崔榮成
• 申請（專利權）人: 上海電力大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06F16/583;G06F16/55;G06Q50/06
• 代理公司: 上海德昭知識產權代理有限公司 31204
• 代理人: 郁旦蓉

本發明提供了一種缺陷絕緣子的檢測方法，具有這樣的特征，包括：步驟一，采用第一技術建立缺陷絕緣子的數據庫；步驟二，采用第一算法對數據庫中邊界框的寬和高進行聚類，以獲取缺陷絕緣子的錨點框信息；步驟三，通過第一特征提取網絡獲取缺陷絕緣子的第一特征；步驟四，使用第二算法對缺陷絕緣子進行檢測，將檢測尺度由3個擴展至4個，得到4尺度預測邊界框，從而獲取缺陷絕緣子的深層次位置信息；步驟五，將第二算法中的4尺度預測邊界框經過第三算法計算后，輸出得分高的預測框，從而完成對缺陷絕緣子的檢測，得到檢測結果，其中檢測結果包括缺陷絕緣子的錨點框信息、第一特征及缺陷絕緣子的深層次位置信息。

技術領域

本發明涉及缺陷絕緣子的檢測技術領域，具體涉及一種缺陷絕緣子的檢測方法。

背景技術

隨著輸電線路的不斷建設以及電網技術的創新發展，基于機器人和無人機的智能電力巡檢技術已經被廣泛應用。電力絕緣子是對輸電線路起到支撐與絕緣作用的重要電力部件，主要有陶瓷、玻璃和復合絕緣子三種類型，但其長期暴露在野外容易出現故障，一旦出現故障將會嚴重影響穩定的電能輸送。為保障電網穩定運行，對輸電線路巡檢中故障絕緣子的檢測尤為重要，其中絕緣子缺陷則是常見的故障類別之一。由于絕緣子常處于森林、房屋、河流和不同天氣(如雨、雪、霧)等復雜場景，且出現缺陷的區域較小，所以會給絕緣子的缺陷檢測帶來一定的挑戰。

目前絕緣子缺陷的檢測方法可分為人工巡檢、基于機器學習的圖像識別技術和基于深度學習的目標檢測算法。人工巡檢主要通過人工排查絕緣子明顯、直觀的故障，費時費力且存在安全隱患。基于機器學習的圖像識別技術如局部二值模式特征(Local BinaryPattern，LBP)，方向梯度直方圖特征(Histogram of Oriented Gradient，HOG)和Deformable Part Models(DPM)目標檢測算法等雖已取得一定的效果，但其主要使用單一特征(如顏色、紋理、形狀等)進行檢測，同時依賴人工提取特征，工作量大，檢測效率低。

隨著智能電網和深度學習技術的不斷發展，研究人員開始將深度學習的技術應用到電力巡檢領域。對于缺陷絕緣子的檢測，目前較多的方法是通過模型組合或者直接將基于深度學習的目標檢測算法應用到缺陷絕緣子的檢測任務。雖然現有的研究取得了一定的檢測效果，但對于復雜場景下的缺陷絕緣子識別仍然存在精度偏低、檢測耗時等問題，且現有研究中缺陷絕緣子數據量相對太少，阻礙故障絕緣子的進一步研究。

發明內容

本發明是為了解決上述問題而進行的，目的在于提供一種缺陷絕緣子的檢測方法。

本發明提供了一種缺陷絕緣子的檢測方法，具有這樣的特征，包括：

步驟一，采用第一技術建立缺陷絕緣子的數據庫。

步驟二，采用第一算法對數據庫中邊界框的寬和高進行聚類，以獲取缺陷絕緣子的錨點框信息。

步驟三，通過第一特征提取網絡獲取缺陷絕緣子的第一特征。

步驟四，使用第二算法對缺陷絕緣子進行檢測，將檢測尺度由3個擴展至4個，得到4尺度預測邊界框，從而獲取缺陷絕緣子的深層次位置信息。

步驟五，將第二算法中的4尺度預測邊界框經過第三算法計算后，輸出得分高的預測框，從而完成對缺陷絕緣子的檢測，得到檢測結果，其中檢測結果包括缺陷絕緣子的錨點框信息、第一特征及缺陷絕緣子的深層次位置信息。

在本發明提供的缺陷絕緣子的檢測方法中，還可以具有這樣的特征：其中，步驟一中，第一技術包括數據增強技術和圖像標注技術。

在本發明提供的缺陷絕緣子的檢測方法中，還可以具有這樣的特征：數據增強技術，是使用翻轉、旋轉、隨機顏色及隨機裁剪的方法擴充數據庫。