[發明專利]一種基于無人機巡檢的絕緣子識別目標檢測方法

在審

• 申請號: 202110468064.4
• 申請日: 2021-04-28
• 公開（公告）號: CN113297915A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 丁晨寅;段納;任星光
• 申請（專利權）人: 江蘇師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 徐州先卓知識產權代理事務所(普通合伙) 32555
• 代理人: 于浩

本發明涉及人工智能領域，具體涉及一種基于無人機巡檢的絕緣子識別目標檢測方法，本發明利用絕緣子檢測結果進行識別，來確定絕緣子的類別。通過獲得絕緣子圖片，對圖片進行數據集制作后，經過Yolo網絡對訓練集進行訓練從而獲得檢測模型，再對測試集模型進行檢測后輸出絕緣子檢測結果，從而實現了對絕緣子圖片的快速檢測及識別，提高電力巡檢的準確率和檢測效率。

技術領域

本發明涉及電力系統巡檢領域，具體為一種基于無人機巡檢的絕緣子識別目標檢測方法。

背景技術

近年來，中國電力系統發展迅速，輸電線路橫跨中國大江南北。一些輸配電線路部件比如絕緣子、導線、金具等長時間過風吹日曬后容易出現生銹等故障，傳統的人為巡檢方式不僅消耗的人力物力大，而且巡檢效率低。隨著無人機技術的不斷發展進步，現無人機已經在電力巡檢中得到了廣泛的應用，無人機具有體積小，重量輕，攜帶方便等特點，此外，無人機巡檢檢測具有準確率高、成本低、操控簡單等特點。人們只需在地面操控無人機對輸電線路進行拍照，傳回的照片通過深度學習對圖片進行分類，進而達到判斷目標是否存在故障。

絕緣子是一種特殊的絕緣控件，在電力系統的架空輸電線中起到了非常重要的作用，其運行狀態的穩定與否直接影響著輸電的可靠性和安全性。在整個電網中，由于絕緣子引起的輸電線路故障在所有電力故障中占比最高。所以要及時對絕緣子進行排查，否則可能會引起嚴重的后果。隨著智能電網建設推進以及無人機技術的不斷發展進步，無人機已經在電力巡檢中得到了廣泛的應用。Yolo算法是繼R-CNN、fast-RCNN和faster-RCNN之后的，針對深度學習中目標檢測速度問題提出的一種算法，它在測試時會對整個圖像進行分割，所以它的預測利用了圖像中的全局信息。與需要數千張單一目標圖像的R-CNN不同，只經過一個神經網絡直接從完整圖像預測出類概率和預測框，整個檢測通道是一個單一網絡，這令Yolov4的預測速度非常快，一般它比Fast R-CNN快幾百倍。

發明內容

本發明的目的在于提供一種基于無人機巡檢的絕緣子識別目標檢測方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明是通過以下技術方案實現的：

本發明提供一種基于無人機巡檢的絕緣子識別目標檢測方法，本發明系統包括：照相機系統、飛行控制器、圖像處理系統、網絡計算系統，其中照相機系統是通過搭載在無人機上的照相機獲取預期需要的絕緣子的圖像；飛行器控制器是地面站通過人為操控或者程序控制無人機的飛行，圖像處理系統是為了解決光照、大霧等原因影響目標物的檢測，通過同態濾波的方法來增加圖片的清晰度，再對絕緣子的圖像進行預處理生成絕緣子數據集；網絡計算模塊利用Yolov4神經網絡來對數據集中訓練集圖片輸入到中進行訓練，來獲得絕緣子的檢測模型，將測試數據放入到絕緣子檢測模型中進行檢測，輸出絕緣子的檢測結果；利用絕緣子檢測結果進行識別，來確定絕緣子的類別。

進一步的，加入Yolov4深度學習算法的網絡計算系統，建立網絡結構，所述網絡結構為Yolov4網絡，以CSPdarknet53作為主干網絡，空間金字塔池化模塊和路徑聚合網絡模塊作為頸部，Yolov3作為頭部預測輸出；

進一步的，通過照相機系統獲取圖像，采用搭載在無人機上的照相機或者其他拍攝設備對絕緣子圖像采集。

進一步的，根據圖像的照明部分是集中在低頻部分，而光反射部分集中在高頻部分原理，利用同態濾波的方法對圖片進行頻域濾波來增強圖片。

同態濾波表達式:

表示為照明-反射模型，表示照明部分，表示反射部分；

對上式進行變換：

對變換后的式子進行傅里葉變換并進行化簡：

其中，和分別表示和的傅里葉變換。