基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法技术

本发明专利技术涉及电力巡检技术领域，尤其涉及一种基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法。包括以下步骤：1、从数据源抽取数据，建立训练样本库，对巡检数据标注后分类存储；2、搭建训练平台，利用BP神经网络技术对样本库数据进行训练，生成训练模型；3、在检测系统中导入训练模型和待检测图像数据，根据任务需求进行杆塔和通道目标识别和缺陷诊断，生成缺陷报告。本发明专利技术将人工智能引入电力巡检领域，实现从电力巡检数据训练样本库建立、模型训练、未知图像目标识别和缺陷诊断的全流程操作，实现从原始巡检数据输入到缺陷结果导出整个过程的自动化运行，节省劳动力，降低人工肉眼检测的难度和错误率，提高了电力巡检效率。

【技术实现步骤摘要】
基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法
本专利技术涉及电力巡检
，尤其涉及一种基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法。
技术介绍
电力设备巡检是保证电力设备安全运行的一项重要工作，目前国内普遍采用人工巡视、手工记录的方式，这种方式存在人力成本高、工作效率低、巡检数据信息化程度低等缺陷，尤其是在线路巡检工作中，还存在有些线路地处偏僻地区，人员无法到达，或有些设备安装位置较高，人员攀爬不便等问题。随着无人机、有人机拍摄技术的发展，在电力巡检领域逐渐采用通过拍摄现场图像，将图像传回中心，观察图像，识别目标或故障的方式。在应用上述方法时，存在海量图片数据存储混乱，采用人工肉眼判读，容易造成检测误判或漏检，而且没有实现图像的自动处理和分析，信息自动化程度仍旧不高。
技术实现思路
为进一步解决上述问题，本专利技术将人工智能技术应用到电力巡检领域，基于神经网络训练模型识别未知图像，使得电力巡检更加高效、便捷、精确。本专利技术采用的技术方案为：一种基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法，包括以下步骤：步骤1、从数据源抽取数据，建立训练样本库，对本文档来自技高网...

【技术保护点】
1.一种基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法，其特征在于包括以下步骤：步骤1、从数据源抽取数据，建立训练样本库，对巡检数据标注后分类存储；步骤2、搭建训练平台，利用BP神经网络技术对样本库数据进行训练，生成训练模型；步骤3、在检测系统中导入训练模型和待检测图像数据，根据任务需求进行杆塔和通道目标识别和缺陷诊断，生成缺陷报告。

【技术特征摘要】
1.一种基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法，其特征在于包括以下步骤：步骤1、从数据源抽取数据，建立训练样本库，对巡检数据标注后分类存储；步骤2、搭建训练平台，利用BP神经网络技术对样本库数据进行训练，生成训练模型；步骤3、在检测系统中导入训练模型和待检测图像数据，根据任务需求进行杆塔和通道目标识别和缺陷诊断，生成缺陷报告。2.根据权利要求1所述的基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法，其特征在于：步骤1的具体步骤为：步骤1.1、从原始数据源抽取数据，建立训练样本库；步骤1.2、确定类别和标注准则，对样本库数据进行人工标注；步骤1.3、将标注后的样本数据按照目标类别和层级关系分类存储；步骤1.4、完成标注样本库的建立，为训练提供数据源。3.根据权利要求2所述的基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法，其特征在于：步骤1.1中原始数据源是通过无人机、有人机或人工拍照方式产生的图像数据。4.根据权利要求2所述的基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法，其特征在于：步骤1.2中进行人工标注时首先根据数据来源将标注分为杆塔巡检本体目标和通道巡检目标两大类，再根据电力巡检数据特有的层次结构，对数据进行处理，又可以分为防鸟特巡、杆塔本体目标和杆塔本体缺陷目标；其中防鸟特巡分为：鸟巢、鸟刺、人造鸟巢、挡板；杆塔本体目标分为：大金具和小金具，大金具包括防震锤、间隔棒、均压环、绝缘子、连接部件，小金具包括销钉、螺母；杆塔本体缺陷目标分为：绝缘子爆片、防震锤损坏、销钉和螺母缺失；通道巡检目标包括：施工外破、施工车辆、违章建筑物、水、毛竹和泡桐树。5.根据权利要求1所述的基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法，其特征在于：步骤2的具体步骤为：步骤2.1、配置训练环境，采用支持多GPU和分布式训练的mx...

【专利技术属性】
技术研发人员：高小伟，吴合风，辛亚锋，赵慧童，高松鹤，
申请(专利权)人：北京御航智能科技有限公司，
类型：发明
国别省市：北京,11