[發明專利]一種輸電線路關鍵部件缺陷檢測方法及系統

有效

• 申請號: 202110783270.4
• 申請日: 2021-07-12
• 公開（公告）號: CN113344915B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 翟永杰;胡哲東;張萬征;聶禮強;熊劍平;趙硯青;王亞茹
• 申請（專利權）人: 華北電力大學（保定）;智洋創新科技股份有限公司;山東大學;浙江大華技術股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/44;G06V10/77;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王愛濤

本發明公開了一種輸電線路關鍵部件缺陷檢測方法及系統。該方法包括：構建輸電線路關鍵部件缺陷語義集合；所述輸電線路關鍵部件包括電力線路和絕緣子；根據所述缺陷語義集合訓練語義表征提取模型；利用訓練好的語義表征提取模型提取語義表征；構建輸電線路關鍵部件缺陷圖像庫；根據所述圖像庫中的多類缺陷圖像訓練圖像特征提取模型；利用訓練好的圖像特征提取模型提取圖像特征；基于所述語義表征和所述圖像特征，構建嵌入映射矩陣。本發明通過歷史缺陷(已經獲得或容易獲得樣本的缺陷)樣本和目標缺陷(零樣本缺陷)的語義描述信息，實現對零樣本的輸電線路關鍵部件的缺陷的檢測。

技術領域

本發明涉及輸電線路故障檢測技術領域，特別是涉及一種輸電線路關鍵部件缺陷檢測方法及系統。

背景技術

由于我國電力行業的蓬勃發展，輸電線路布局復雜，所處自然環境惡劣多變，電力線路、絕緣子等輸電線路關鍵部件長期暴露在野外，受到持續的物理張力、雷擊閃絡、外物污染、材料老化以及非正常人為的影響而產生的磨損、缺失、腐蝕等損傷。復雜的輸電線路環境以及多樣的輸電線路故障使得輸電線路關鍵部件檢測智能化已日益顯出其迫切性。目前已有的分類方法是數據驅動的，依賴于大規模訓練數據，而輸電線路場景中不可能所有的缺陷都存在大量的樣本數據可用。事實上，對于一些破壞性較強或較新發現的目標缺陷，更多的是缺陷的語義描述信息，而沒有或很少有缺陷數據可用，即目標缺陷樣本幾乎為零(零樣本)，這限制了目前數據驅動分類方法的應用。

發明內容

本發明的目的是提供一種輸電線路關鍵部件缺陷檢測方法及系統，通過歷史缺陷(已經獲得或容易獲得樣本的缺陷)樣本和目標缺陷(零樣本缺陷)的語義描述信息，實現對零樣本的輸電線路關鍵部件的缺陷的檢測。

為實現上述目的，本發明提供了如下方案：

一種輸電線路關鍵部件缺陷檢測方法，包括：

構建輸電線路關鍵部件缺陷語義集合；所述輸電線路關鍵部件包括電力線路和絕緣子；

根據所述缺陷語義集合訓練語義表征提取模型；

利用訓練好的語義表征提取模型提取語義表征；

構建輸電線路關鍵部件缺陷圖像庫；

根據所述圖像庫中的多類缺陷圖像訓練圖像特征提取模型；

利用訓練好的圖像特征提取模型提取圖像特征；

基于所述語義表征和所述圖像特征，構建嵌入映射矩陣；所述嵌入映射矩陣用于對圖像特征與語義表征進行跨模態度量，實現輸電線路關鍵部件缺陷的檢測。

可選地，所述構建輸電線路關鍵部件缺陷語義集合，具體包括：

對輸電線路關鍵部件的故障缺陷進行語言描述，構建缺陷語義集合。

可選地，所述語義表征提取模型包括2～4個RNN循環神經網絡模型。

可選地，所述圖像特征提取模型包括3～5個VGG19深度神經網絡模型。

可選地，所述基于所述語義表征和所述圖像特征，構建嵌入映射矩陣，具體包括：

基于所述語義表征和所述圖像特征訓練映射函數，使所述映射函數的損失值最小；

利用訓練好的映射函數輸出映射矩陣。

本發明還提供了一種輸電線路關鍵部件缺陷檢測系統，包括：

缺陷語義集合構建模塊，用于構建輸電線路關鍵部件缺陷語義集合；所述輸電線路關鍵部件包括電力線路和絕緣子；

第一訓練模塊，用于根據所述缺陷語義集合訓練語義表征提取模型；

語義表征提取模塊，用于利用訓練好的語義表征提取模型提取語義表征；