[發(fā)明專利]基于馬爾科夫鏈蒙特卡羅的絕緣子圖像污穢識別方法

在審

• 申請?zhí)枺?/td>: 202111029250.4
• 申請日: 2021-10-25
• 公開（公告）號: CN116029957A
• 公開（公告）日: 2023-04-28
• 發(fā)明（設(shè)計）人: 徐雄軍;謝正漢;湯迎春;張軍;丁建輝;楊龍;蔡立功;孫偉君;夏翔;沈剛;方冬;劉剛;葉進忠;靳文新;謝學平;李杰;湯力;李俊;路興帥
• 申請（專利權(quán)）人: 國網(wǎng)湖北省電力有限公司孝感供電公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/44;G06V10/764;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 北京中北知識產(chǎn)權(quán)代理有限公司 11253
• 代理人: 李新昂

本發(fā)明公開了基于馬爾科夫鏈蒙特卡羅的絕緣子圖像污穢識別方法，包括具體以下步驟：S1、建立絕緣子圖像庫；S2、配電線路的絕緣子圖像庫中絕緣子圖像分為訓練集和驗證集兩個部分；S3、建立絕緣子圖像污穢識別樣本集；S4、建立絕緣子圖像污穢識別特征集；S5、構(gòu)建貝葉斯卷積神經(jīng)網(wǎng)絡(luò)分類器，利用Xavier方法初始化貝葉斯卷積神經(jīng)網(wǎng)絡(luò)參數(shù)；S6、采用馬爾科夫鏈蒙特卡羅法進行訓練獲得絕緣子圖像污穢識別模型；S7、檢測并識別絕緣子圖像污穢類別。本發(fā)明采用馬爾科夫鏈蒙特卡羅法獲取絕緣子圖像污穢識別模型提高絕緣子圖像檢測和污穢識別的效率，同時也保證絕緣子圖像污穢識別的有效性和準確率。

技術(shù)領(lǐng)域

本發(fā)明屬于配電線路設(shè)備運行狀態(tài)檢修和計算機視覺技術(shù)領(lǐng)域，具體涉及基于馬爾科夫鏈蒙特卡羅的絕緣子圖像污穢識別方法。

背景技術(shù)

輸電線路要將巨大的電流從發(fā)電廠送到遠方用戶，必須具有兩個基本條件，一是為傳輸電流的導線提供機械支撐；二是防止電流對地形成通道接地，而絕緣子就具備這兩種基本功能，所以絕緣子在輸電線路中占有重要地位。

絕緣子表面的污穢容易導致電力行業(yè)設(shè)備外絕緣性能下降，進而引發(fā)諸多安全故障。傳統(tǒng)的人工巡檢方式存在效率和安全等諸多問題，容易受到當?shù)氐匦魏蜌夂虻挠绊懀矙z難度較大。

另外傳統(tǒng)的絕緣子圖像污穢識別方法通常基于顏色形狀特征，容易受到光照、天氣、圖像背景復雜等不確定因素影響，導致其識別準確率較低。基于貝葉斯概率模型的神經(jīng)網(wǎng)絡(luò)在模型參數(shù)和模型輸出上加入概率分布來考慮不確定性因素的影響，但常用的變分推斷方法搜尋最優(yōu)近似分布的過程中，容易造成結(jié)果偏差，降低準確率，因此亟需研究出一種準確高效的絕緣子圖像污穢識別方法。

發(fā)明內(nèi)容

為了解決上述存在的技術(shù)問題，本發(fā)明提供基于馬爾科夫鏈蒙特卡羅的絕緣子圖像污穢識別方法，采用馬爾科夫鏈蒙特卡羅法獲取絕緣子圖像污穢識別模型提高絕緣子圖像檢測和污穢識別的效率，同時也保證絕緣子圖像污穢識別的有效性和準確率。

本發(fā)明所提供的技術(shù)方案如下：

基于馬爾科夫鏈蒙特卡羅的絕緣子圖像污穢識別方法，具體包括以下步驟：

S1、建立絕緣子圖像庫：利用無人機巡檢采集配電線路的絕緣子圖像數(shù)據(jù)并進行存儲；

S2、將配電線路的絕緣子圖像庫中絕緣子圖像分為訓練集和驗證集兩個部分；

S3、建立絕緣子圖像污穢識別樣本集：將步驟S2中的訓練集進行人工篩選、絕緣子圖像有無污穢標記分類獲得絕緣子圖像污穢識別樣本集即絕緣子圖像有污穢樣本集和絕緣子圖像無污穢樣本集；

S4、建立絕緣子圖像污穢識別特征集：絕緣子圖像污穢識別樣本集中的每幅絕緣子圖像進行分割預(yù)處理、特征提取及選擇并將這些特征組合為一特征向量Y獲得絕緣子圖像污穢識別特征集并根據(jù)所述特征向量Y將絕緣子圖像分為有污穢絕緣子圖像和無污穢絕緣子圖像兩類；

S5、構(gòu)建貝葉斯卷積神經(jīng)網(wǎng)絡(luò)分類器，利用Xavier方法初始化貝葉斯卷積神經(jīng)網(wǎng)絡(luò)參數(shù)：a、確定一幅圖像特征的分布模型得到樣本圖像的先驗概率以及類條件概率；b、利用貝葉斯公式計算出相應(yīng)的后驗概率；c、利用判決函數(shù)J(X)?得到滿足要求的圖像檢索結(jié)果集；

S6、采用馬爾科夫鏈蒙特卡羅法進行訓練獲得絕緣子圖像污穢識別模型：采用數(shù)值采樣的馬爾科夫鏈蒙特卡羅方法對模型參數(shù)進行訓練得到神經(jīng)網(wǎng)絡(luò)參數(shù)的概率分布，并優(yōu)化模型參數(shù)獲得絕緣子圖像污穢識別模型；

S7、檢測并識別絕緣子圖像污穢類別：利用步驟S6中的絕緣子圖像污穢識別模型對步驟2中的驗證集進行檢測，分別計算得出所述驗證集中的絕緣子圖像有污穢及無污穢的概率，并選取數(shù)值大的概率判定為絕緣子圖像污穢類別。