[發明專利]一種基于上下文推理的輸電線路螺栓缺陷檢測方法

在審

• 申請號: 202310243650.8
• 申請日: 2023-03-15
• 公開（公告）號: CN116246060A
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 趙振兵;王帆帆;翟永杰;趙文清;張珂
• 申請（專利權）人: 華北電力大學（保定）
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/774;G06V10/82;G01R31/08;G01N21/88
• 代理公司: 北京鑫瑞森知識產權代理有限公司 11961
• 代理人: 王前明

本發明提供了一種基于上下文推理的輸電線路螺栓缺陷檢測方法，包括：獲取待測的輸電線路螺栓數據集；將所述輸電線路螺栓數據集輸入至訓練好的螺栓檢測網絡中，得到檢測結果；所述螺栓檢測網絡包括YOLOv5檢測網絡和上下文推理模塊。本發明解決了現有技術中由于輸電線路螺栓缺陷圖像本身具有特殊且復雜的場景，圖像占比較小，在特征提取過程中特征信息容易丟失的而造成誤檢漏檢的問題。

技術領域

本發明涉及輸電線路檢測技術領域，特別是涉及一種基于上下文推理的輸電線路螺栓缺陷檢測方法。

背景技術

輸電線路是我國能源互聯網最重要的基礎設施之一，其運行狀態的安全穩定是電能傳輸的重要前提，也是我國能源發展的重要保障。螺栓作為輸電線路必不可少的緊固件，主要用于輸電線路中電力部件的固定與連接，而輸電線路長期暴露在野外惡劣環境下，螺栓極易發生銹蝕、破損等問題，如果問題嚴重可能造成線路停運或跳閘，直接影響到電力系統的安全性與穩定性，所以對其進行智能檢修非常重要。傳統的運檢方式主要是采用人工運檢，其效率不能滿足日益增長的輸電線路規模要求，同時人工巡檢存在成本高、工作強度大等問題。因此，無人機作為一種智能、高效的輸電線路巡檢方式，受到廣泛的應用。

深度學習在目標檢測領域的廣泛應用，為輸電線路航拍圖像中螺栓的檢測與識別提供了新的技術支持，該技術主要利用卷積神經網絡(Convolution?Neural?Networks，CNN)提取圖像特征的特點，通過訓練使得模型具有自主識別目標的能力，可以大大降低工作量、提高目標檢測的準確性。目前基于深度學習的目標檢測算法多種多樣，最主要分為兩階段(Two-stage)和單階段(One-stage)。YOLOv5模型作為目前較先進的單階段目標檢測網絡，在滿足實時性檢測速度的同時具有較好的檢測精度，但由于輸電線路螺栓缺陷圖像本身具有特殊且復雜的場景，圖像占比較小，在特征提取過程中特征信息容易丟失的而造成誤檢漏檢的問題。

發明內容

為了克服現有技術的不足，本發明的目的是提供一種基于上下文推理的輸電線路螺栓缺陷檢測方法，本發明解決了現有技術中由于輸電線路螺栓缺陷圖像本身具有特殊且復雜的場景，圖像占比較小，在特征提取過程中特征信息容易丟失的而造成誤檢漏檢的問題。

為實現上述目的，本發明提供了如下方案：

優選地，包括：

獲取待測的輸電線路螺栓數據；

將所述輸電線路螺栓數據輸入至訓練好的螺栓檢測網絡中，得到檢測結果；所述螺栓檢測網絡包括YOLOv5檢測網絡和上下文推理模塊。

優選地，所述螺栓檢測網絡的構建方法包括：

采集螺栓缺陷數據集并進行增強和標注，得到待測數據集；

構建YOLOv5檢測網絡，并在所述YOLOv5檢測網絡中增加上下文提取模塊，得到螺栓檢測網絡并獲取上下文特征信息圖；

將所述待測數據集輸入所述螺栓檢測網絡；設置訓練參數并利用所述待測數據集對所述螺栓檢測網絡進行訓練，得到訓練好的螺栓檢測網絡。

優選地，還包括：

對訓練好的螺栓檢測網絡進行驗證，其中驗證過程包括；

取一批待測數據，進行位置裁剪拼接形成新的圖像；

對所述新的圖像進行Mosaic數據增強，得到增強后的數據；

將所述增強后的數據輸入所述訓練好的螺栓檢測網絡進行數據集迭代，得到mAP指標。

優選地，所述采集螺栓缺陷數據集并進行增強和標注，得到待測數據集包括：

采用旋轉、水平翻轉、自適應亮度校正以及Mosaic數據增強的方式對所述螺栓缺陷數據集進行擴增，得到增強后的螺栓缺陷數據集；