[發明專利]一種基于DeepLabV3+的復合絕緣子實時分割方法及系統

在審

• 申請號: 202210181881.6
• 申請日: 2022-02-26
• 公開（公告）號: CN114549563A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 許弘雷;林楊;黃靖
• 申請（專利權）人: 福建工程學院
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06N3/04;G06N3/08
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 張燈燦;蔡學俊

本發明涉及一種基于DeepLabV3+的復合絕緣子實時分割方法及系統，該方法包括以下步驟：S1、獲取電力巡檢過程中拍攝的含有復合絕緣子的電力設備紅外圖，構建原始數據集；S2、對原始數據集進行數據擴增，得到訓練數據集；S3、構建改進DeepLabV3+網絡：將DeepLabV3+的主干網絡替換為輕量化神經網絡MobileNetV2以提高實時性，并引入輕量級高效通道注意力模塊ECA以實現無降維的局部跨通道交互，然后在DeepLabV3+的輸出端加入Pointrend精細分割模塊進行后處理以進一步提高語義分割結果；通過訓練數據集對改進DeepLabV3+網絡進行訓練，得到訓練好的改進DeepLabV3+網絡；S4、通過訓練好的改進DeepLabV3+網絡對拍攝到的電力設備紅外圖進行處理，以實時分割出復合絕緣子。該方法及系統有利于提高復合絕緣子分割的實時性和準確性。

技術領域

本發明屬于輸電線路領域，具體涉及一種基于DeepLabV3+的復合絕緣子實時分割方法及系統，可應用于輸電線路運維中的無人機智能巡檢檢測。

背景技術

隨著使用規模和運行年限增長，復合絕緣子近年來頻繁出現異常發熱等缺陷，缺陷進一步發展可能導致內絕緣擊穿、斷串等嚴重故障。用紅外檢測技術對絕緣子進行缺陷檢測是一種較為成熟的帶電檢測技術，通過復合絕緣子的紅外圖像可以直觀反映出絕緣子的過熱缺陷，以便提前發現缺陷，防止其惡化的發生。因此，為了對紅外復合絕緣子進行過熱缺陷檢測，就必須將復合絕緣子從復雜的紅外背景中分割出來，以免將無關背景中的發熱點識別為絕緣子過熱缺陷。另外，以往我國輸電線路的巡視一般采用人工巡視，但這種方式效率低下，還會對工作人員的人身安全帶來威脅，近幾年來，我國加大了無人機巡線技術的研發投入，目前國內大部分電力公司檢修部門采用無人機進行巡檢，為了使無人機巡檢更加高效、智能，將嵌入式設備搭載在無人機上進行實時巡檢成為了研究熱點。

傳統的絕緣子分割主要包括邊緣檢測和模板匹配法，需要人工進行分割結果的確認及標注結果調整。雖然邊緣檢測法能夠適用于諸多絕緣子的形狀，但是因為其準確率較低，無法直接作為巡檢人員的參考。模型匹配法則只能適用于特定的一種或幾種的絕緣子形狀，如果存在絕緣子背景復雜的情況，無法得到較好的準確率。

對于復合絕緣子的實時分割難點，主要在于復合絕緣子相比于其他絕緣子有著更為復雜的邊緣形狀，且嵌入式設備中可利用計算資源相較于上位機少。相比于傳統圖像處理方法，語義分割在復合絕緣子實時分割上表現出更大的潛力，因為深度學習在大規模的絕緣子圖像上進行模型訓練，其分割的絕緣子能達到很高的精度，但是大部分學者的研究是在上位機上使用算法，不利于現場高效巡檢，且由于復合絕緣子的結構復雜，在精度上仍有很大的提升空間。因此，研發一種復合絕緣子實時分割方法具有較高的實際應用價值。

申請號為CN201911104286.7的中國專利公開了一種基于實例分割的復合絕緣子過熱缺陷檢測方法，其利用分割網絡對復合絕緣子進行分割。在深度學習領域廣泛應用的Mask R-CNN深度學習網絡原有框架基礎上做進一步改進，該網絡在實例分割的精度和計算效率上具有顯著的優勢。Mask R-CNN網絡的設計比較簡單，其在Faster R-CNN基礎上，在原本的兩個分支上(分類與邊界框回歸)增加了一個分支進行語義分割，其次對ROI Pooling層進行了改進，提出ROI Align方法，在下采樣的時候，對像素進行對準，使得像素分割更準確一些。該專利利用Mask R-cnn實例分割網絡完成了復合絕緣子的分割。但是由于Mask R-cnn的backbone是two stage的faster R-cnn，這導致其FPS很低，即實時性很差。