[發明專利]感受野自適應的變電站絕緣子缺陷檢測神經網絡構建方法

在審

• 申請號: 202210031802.3
• 申請日: 2022-01-12
• 公開（公告）號: CN114419413A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 朱新山;曾筠婷;郭志民;李斌;王帥;屈璐瑤;李亞霖;劉昊;田楊陽;毛萬登;趙健;賀翔;張小斐;袁少光;耿俊成;馬斌;魏小昭
• 申請（專利權）人: 國網河南省電力公司電力科學研究院;天津大學;國家電網有限公司
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/774;G06V10/766;G06V10/80;G06V10/44;G06N3/04;G06N3/08;G06T7/00;G06K9/62
• 代理公司: 北京智繪未來專利代理事務所(普通合伙) 11689
• 代理人: 張紅蓮

1.感受野自適應的變電站絕緣子缺陷檢測神經網絡構建方法，其特征在于，

所述方法包括：

步驟1，采集真實場景下變電站的巡檢圖像，從巡檢圖像中提取絕緣子圖像；

步驟2，基于缺陷模擬技術，對絕緣子圖像進行數據增強以生成缺陷絕緣子樣本圖像；缺陷絕緣子樣本圖像中，缺陷絕緣子片的數量與正常絕緣子片的數量比例為1：1；利用缺陷絕緣子樣本圖像構建變電站絕緣子缺陷檢測的數據集；

步驟3，構建缺陷檢測神經網絡，缺陷檢測神經網絡包括：基于ResNest殘差模塊的主干網絡，采用通道拼接的FPN網絡，感受野自適應選擇模塊和檢測頭；

步驟4，使用步驟2中構建的數據集對缺陷檢測神經網絡進行訓練，以訓練好的缺陷檢測神經網絡作為基于感受野自適應的變電站絕緣子缺陷檢測神經網絡。

2.根據權利要求1所述的感受野自適應的變電站絕緣子缺陷檢測神經網絡構建方法，其特征在于，

步驟1中，巡檢圖像中包含多個電力設備圖像，通過圖片裁剪后獲得絕緣子圖像，利用絕緣子圖像構建原始數據集。

3.根據權利要求2所述的感受野自適應的變電站絕緣子缺陷檢測神經網絡構建方法，其特征在于，

步驟2包括：

步驟2.1，基于統計法，以絕緣子圖像中占比最大的像素顏色作為缺陷填充色；

步驟2.2，以如下關系式計算絕緣子圖像中背景和目標的類間方差最大值：

式中，

為絕緣子圖像中背景和目標的類間方差最大值，并且類間方差最大值對應的灰度值t作為絕緣子圖像中背景和目標的分割閾值；

P₀(t)和P₁(t)分別為絕緣子圖像中背景和目標的像素點數占整幅圖像的比例，

H₀(t)和H₁(t)分別為絕緣子圖像中背景和目標的平均灰度值；

步驟2.3，絕緣子圖像的灰度值區間為[0,m]，以分割閾值t將絕緣子圖像的灰度值區間分割為第一區間[0,t]以及第二區間[t+1,m]；

步驟2.4，根據絕緣子圖像灰度值的第一區間和第二區間，以如下關系式對絕緣子圖像中的背景和目標進行分割：

式中，

f_(i,j)為分割前絕緣子圖像中第i行第j列的灰度值，

P_(i,j)為分割后絕緣子圖像中第i行第j列的灰度值；

滿足P_(i,j)＝1的區域，為從絕緣子圖像中分割出來的目標，即絕緣子區域圖像；

步驟2.5，基于Radon變換法，對絕緣子區域圖像沿不同方向以不同截距的直線做線積分，取線積分最大值對應的直線作為絕緣子區域主軸；

步驟2.6，在絕緣子區域主軸的兩側，與主軸距離為dist處分別做平行線，將平行線外側定義為缺陷生成區域；其中，dist的值為絕緣子片半徑的0.5倍；

步驟2.7，在缺陷生成區域內隨機生成缺陷，使用缺陷填充色對缺陷進行填充，獲得缺陷絕緣子圖像；其中，缺陷生成區域內隨機生成的缺陷數量取值為3～7；

步驟2.8，利用高斯濾波器對缺陷絕緣子圖像進行濾波平滑處理，生成缺陷絕緣子樣本圖像。

4.根據權利要求3所述的感受野自適應的變電站絕緣子缺陷檢測神經網絡構建方法，其特征在于，

步驟2中，變電站絕緣子缺陷檢測的數據集按照4:1的比例劃分為訓練集和測試集。

5.根據權利要求1所述的感受野自適應的變電站絕緣子缺陷檢測神經網絡構建方法，其特征在于，

缺陷檢測神經網絡中，利用基于ResNest殘差模塊的主干網絡對缺陷絕緣子樣本圖像進行特征提取，獲得三個不同分辨率的特征圖；對FPN網絡中的融合方式進行改進，即對三個不同分辨率的特征圖進行通道拼接得到第一特征融合圖、第二特征融合圖和第三特征融合圖，同時對三個不同分辨率的特征圖中分辨率最低的特征圖進行連續降維，得到第四特征融合圖和第五特征融合圖；

將五個特征融合圖輸入至感受野自適應選擇模塊中，以獲得感受野自適應特征圖；將感受野自適應特征圖輸入檢測頭獲得絕緣子缺陷檢測邊界框的類別預測結果和邊框回歸預測結果。