基于电力图像的电力设备缺陷识别方法、装置与存储介质制造方法及图纸

技术编号:21915265 阅读:37 留言:0更新日期:2019-08-21 12:49
本发明专利技术公开了一种基于电力图像的电力设备缺陷识别方法、装置与存储介质,该方法包括:采集电力图像,构建含有多尺度电力图像块的电力图像数据库;对电力图像数据库中的电力图像块进行扩增处理,得到扩增电力图像数据库;获取扩增电力图像数据库中的电力图像块和待检测电力图像的图像特征向量;根据图像特征向量和待检测图像特征向量,计算电力图像块与待检测电力图像之间的相似度;根据相似度的大小对电力图像块进行排序,得到相似度递减的电力图像块排序列表;根据电力图像块排序列表构建相似度分布图,识别与待检测电力图像含有相同电力设备缺陷的电力图像。该方法能够准确、及时地识别电力图像中的电力设备缺陷,保证电力系统安全运行。

Defect Recognition Method, Device and Storage Medium of Electric Power Equipment Based on Electric Power Image

【技术实现步骤摘要】
基于电力图像的电力设备缺陷识别方法、装置与存储介质
本专利技术涉及图像识别
,尤其涉及一种基于电力图像的电力设备缺陷识别方法、装置与存储介质。
技术介绍
近年来,南方电网的快速建设,巡线检查以确保电网安全运行变得日益重要。随着智能巡检的发展,从航拍或机器人采集得到的大量巡检电力图像中,快速而自动化地识别出存在电力设备缺陷的图像对于及时进行故障修复有很大作用。由于电力设备缺陷在整张图像中为非显著目标,无法通过常规目标检测的方式实现缺陷识别,虽然现有技术可以利用分类的方式确定图像中是否存在缺陷,但不具有通用性,一般需要对图像进行预处理,把图像中的非显著目标转变为显著目标,这种预处理是对特定图像进行的特定处理过程,而不针对通用的目标,因此该分类方式无法解决电力图像的电力设备缺陷的分类问题。
技术实现思路
本专利技术的目的是提供一种基于电力图像的电力设备缺陷识别方法、装置与存储介质,能够有效地对电力图像中的非显著目标即电力设备缺陷进行准确、及时地识别,保证电力系统安全运行。本专利技术实施例提供了一种基于电力图像的电力设备缺陷识别方法,包括:采集电力图像,并根据图像金字塔对所述电力图像进行网格切分,构建含有多尺度电力图像块的电力图像数据库;其中,对所述电力图像存在电力设备缺陷的区域进行标注;对所述电力图像数据库中的电力图像块进行扩增处理,得到扩增电力图像数据库;根据深度卷积神经网络对所述扩增电力图像数据库中的电力图像块进行图像特征提取,得到图像特征向量;根据深度卷积神经网络对待检测电力图像进行图像特征提取,得到待检测图像特征向量;根据所述图像特征向量和所述待检测图像特征向量,计算所述扩增电力图像数据库中的每一张电力图像块与所述待检测电力图像之间的相似度;对所述相似度按照从大到小的顺序进行排序,得到相似度排序结果;根据所述相似度排序结果,对所述扩增电力图像数据库中的电力图像块进行排序,得到相似度递减的电力图像块排序列表;根据所述电力图像块排序列表构建相似度分布图,识别出与所述待检测电力图像含有相同电力设备缺陷的电力图像。优选地,所述采集电力图像,并根据图像金字塔对所述电力图像进行网格切分,构建含有多尺度电力图像块的电力图像数据库,具体包括:按5*5、7*7和10*10的网格对采集的电力图像进行网格切分,得到不同尺度的电力图像块。优选地,所述对所述电力图像数据库中的电力图像块进行扩增处理,得到扩增电力图像数据库,具体包括:对所述电力图像数据库中的电力图像块分别进行加噪、滤波、明暗度调节、图像质量调整处理,实现所述电力图像数据库中的电力图像块的扩增。优选地,所述根据深度卷积神经网络对所述扩增电力图像数据库中的电力图像块进行图像特征提取,得到图像特征向量,具体包括:选取VGG16分类网络模型作为深度卷积神经网络进行电力图像块的特征提取。优选地,所述根据所述图像特征向量和所述待检测图像特征向量,计算所述扩增电力图像数据库中的每一张电力图像块与所述待检测电力图像之间的相似度,具体包括:计算所述图像特征向量和所述待检测图像特征向量的夹角余弦值,并根据所述夹角余弦值判断所述扩增电力图像数据库中的每一张电力图像块与所述待检测电力图像之间的相似度。优选地,所述计算所述图像特征向量和所述待检测图像特征向量的夹角余弦值,并根据所述夹角余弦值判断所述扩增电力图像数据库中的每一张电力图像块与所述待检测电力图像之间的相似度,具体包括:根据公式计算所述图像特征向量和所述待检测图像特征向量的夹角余弦值;其中,x和y分别为待检测图像特征向量和所述扩增电力图像数据库中某一电力图像块的图像特征向量,分子表示两个图像特征向量的内积,分母表示两个图像特征向量的长度的乘积;根据所述夹角余弦值判断所述扩增电力图像数据库中的每一张电力图像块与所述待检测电力图像之间的相似度大小;其中,夹角余弦值越大,相似度越小;夹角余弦值越小,相似度越大。优选地,所述根据所述电力图像块排序列表构建相似度分布图,识别出与所述待检测电力图像含有相同电力设备缺陷的电力图像,具体包括:根据所述电力图像块排序列表,选取相似度较高的前N个电力图像块对应的电力图像;根据计算得到的夹角余弦值,将所述相似度较高的前N个电力图像块对应的电力图像按预设数值进行区间划分,得到不同尺度的相似度分布图;根据所述不同尺度的相似度分布图中的空间上下文信息和多尺度的语义一致性,识别出与所述待检测电力图像含有相同电力设备缺陷的电力图像。本专利技术实施例还提供了一种基于电力图像的电力设备缺陷识别装置,包括:电力图像数据库构建模块,用于采集电力图像,并根据图像金字塔对所述电力图像进行网格切分,构建含有多尺度电力图像块的电力图像数据库;其中,对所述电力图像存在电力设备缺陷的区域进行标注;扩增电力图像数据库构建模块,用于对所述电力图像数据库中的电力图像块进行扩增处理,得到扩增电力图像数据库;图像特征向量获取模块,用于根据深度卷积神经网络对所述扩增电力图像数据库中的电力图像块进行图像特征提取,得到图像特征向量;待检测图像特征向量获取模块,用于根据深度卷积神经网络对待检测电力图像进行图像特征提取,得到待检测图像特征向量;相似度计算模块,用于根据所述图像特征向量和所述待检测图像特征向量,计算所述扩增电力图像数据库中的每一张电力图像块与所述待检测电力图像之间的相似度;相似度排序结果获取模块,用于对所述相似度按照从大到小的顺序进行排序,得到相似度排序结果;电力图像块排序列表获取模块,用于根据所述相似度排序结果,对所述扩增电力图像数据库中的电力图像块进行排序,得到相似度递减的电力图像块排序列表;电力图像识别模块,用于根据所述电力图像块排序列表构建相似度分布图,识别出与所述待检测电力图像含有相同电力设备缺陷的电力图像。本专利技术实施例还提供了一种基于电力图像的电力设备缺陷识别装置,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述的基于电力图像的电力设备缺陷识别方法。本专利技术实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的基于电力图像的电力设备缺陷识别方法。相对于现有技术,本专利技术实施例提供的一种基于电力图像的电力设备缺陷识别方法的有益效果在于:该方法通过深度卷积神经网络对采集到的电力图像和待检测电力图像进行图像特征提取,然后进行图像特征向量相似度计算,排除一部分与待检测电力图像相似度较低的电力图像块,最后将相似度较高的电力图像块对应的电力图像构建相似度分布图,从而有效地对电力图像中的非显著目标即电力设备缺陷进行准确、及时地识别,及时发现并排查设备故障,保证电力系统安全运行。附图说明图1是本专利技术实施例提供的一种基于电力图像的电力设备缺陷识别方法的流程示意图;图2是本专利技术实施例提供的一种基于电力图像的电力设备缺陷识别装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他本文档来自技高网...

【技术保护点】
1.一种基于电力图像的电力设备缺陷识别方法,其特征在于,包括:采集电力图像,并根据图像金字塔对所述电力图像进行网格切分,构建含有多尺度电力图像块的电力图像数据库;其中,对所述电力图像存在电力设备缺陷的区域进行标注;对所述电力图像数据库中的电力图像块进行扩增处理,得到扩增电力图像数据库;根据深度卷积神经网络对所述扩增电力图像数据库中的电力图像块进行图像特征提取,得到图像特征向量;根据深度卷积神经网络对待检测电力图像进行图像特征提取,得到待检测图像特征向量;根据所述图像特征向量和所述待检测图像特征向量,计算所述扩增电力图像数据库中的每一张电力图像块与所述待检测电力图像之间的相似度;对所述相似度按照从大到小的顺序进行排序,得到相似度排序结果;根据所述相似度排序结果,对所述扩增电力图像数据库中的电力图像块进行排序,得到相似度递减的电力图像块排序列表;根据所述电力图像块排序列表构建相似度分布图,识别出与所述待检测电力图像含有相同电力设备缺陷的电力图像。

【技术特征摘要】
1.一种基于电力图像的电力设备缺陷识别方法,其特征在于,包括:采集电力图像,并根据图像金字塔对所述电力图像进行网格切分,构建含有多尺度电力图像块的电力图像数据库;其中,对所述电力图像存在电力设备缺陷的区域进行标注;对所述电力图像数据库中的电力图像块进行扩增处理,得到扩增电力图像数据库;根据深度卷积神经网络对所述扩增电力图像数据库中的电力图像块进行图像特征提取,得到图像特征向量;根据深度卷积神经网络对待检测电力图像进行图像特征提取,得到待检测图像特征向量;根据所述图像特征向量和所述待检测图像特征向量,计算所述扩增电力图像数据库中的每一张电力图像块与所述待检测电力图像之间的相似度;对所述相似度按照从大到小的顺序进行排序,得到相似度排序结果;根据所述相似度排序结果,对所述扩增电力图像数据库中的电力图像块进行排序,得到相似度递减的电力图像块排序列表;根据所述电力图像块排序列表构建相似度分布图,识别出与所述待检测电力图像含有相同电力设备缺陷的电力图像。2.如权利要求1所述的基于电力图像的电力设备缺陷识别方法,其特征在于,所述采集电力图像,并根据图像金字塔对所述电力图像进行网格切分,构建含有多尺度电力图像块的电力图像数据库,具体包括:按5*5、7*7和10*10的网格对采集的电力图像进行网格切分,得到不同尺度的电力图像块。3.如权利要求1所述的基于电力图像的电力设备缺陷识别方法,其特征在于,所述对所述电力图像数据库中的电力图像块进行扩增处理,得到扩增电力图像数据库,具体包括:对所述电力图像数据库中的电力图像块分别进行加噪、滤波、明暗度调节、图像质量调整处理,实现所述电力图像数据库中的电力图像块的扩增。4.如权利要求1所述的基于电力图像的电力设备缺陷识别方法,其特征在于,所述根据深度卷积神经网络对所述扩增电力图像数据库中的电力图像块进行图像特征提取,得到图像特征向量,具体包括:选取VGG16分类网络模型作为深度卷积神经网络进行电力图像块的特征提取。5.如权利要求1所述的基于电力图像的电力设备缺陷识别方法,其特征在于,所述根据所述图像特征向量和所述待检测图像特征向量,计算所述扩增电力图像数据库中的每一张电力图像块与所述待检测电力图像之间的相似度,具体包括:计算所述图像特征向量和所述待检测图像特征向量的夹角余弦值,并根据所述夹角余弦值判断所述扩增电力图像数据库中的每一张电力图像块与所述待检测电力图像之间的相似度。6.如权利要求5所述的基于电力图像的电力设备缺陷识别方法,其特征在于,所述计算所述图像特征向量和所述待检测图像特征向量的夹角余弦值,并根据所述夹角余弦值判断所述扩增电力图像数据库中的每一张电力图像块与所述待检测电力图像之间的相似度,具体包括:根据公式计算所述图像特征向量和所述待检测图像特征向量的夹角余弦值;其中,x和y...

【专利技术属性】
技术研发人员:张贵峰田治仁廖永力王颂李锐海侯春萍杨阳李北辰王致芃赵林杰王俊锞龚博黄增浩冯瑞发何锦强
申请(专利权)人:南方电网科学研究院有限责任公司中国南方电网有限责任公司
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1