一种输电线路缺陷识别方法、装置及存储介质制造方法及图纸

本申请提供了一种输电线路缺陷识别方法、装置及存储介质，该方法包括：获取输电线路巡检图像，判断输电线路巡检图像中是否具有待检测目标图像；若是，则生成待检测目标图像的图片，判断待检测目标图像的图片是否存在缺陷；若是，则将待检测目标图像的图片与待检测目标图像对应的标准图片输入预设的网络模型；获取预设的网络模型的输出结果，根据输出结果对待检测目标图像的图片中缺陷的位置进行标注。

【技术实现步骤摘要】
一种输电线路缺陷识别方法、装置及存储介质
本申请涉及信息处理
，主要涉及一种输电线路缺陷识别方法、装置及存储介质。
技术介绍
在电力网络故障的统计和调查中，由于设备污损造成的停电故障占相当大的比例，并且在各个地区均发生过大面积由于污损而闪断的情况，传统的检测方法是通过人工进行检测，存在着检测时间慢、检测效率低的问题。
技术实现思路
本申请的目的在于提供一种输电线路缺陷识别方法、装置及存储介质，用于解决传统人工检测存在的检测时间慢、检测效率低的问题。为了实现上述目的，本申请提供了以下技术方案如下：第一方面：本申请提供了一种输电线路缺陷识别方法，所述方法包括：获取输电线路巡检图像，判断所述输电线路巡检图像中是否具有待检测目标图像；确定是否有待检测目标的方法一般是通过机器学习算法识别画面中的各类目标，或者通过专家经验标注出待识别的目标区域，形成待检测目标图像。若是，则生成所述待检测目标图像的图片，判断所述待检测目标图像的图片是否存在缺陷；若是，则将所述待检测目标图像的图片与所述待检测目标图像对应的标准图片输入预设的网络模型；获取所述预设的网络模型的输出结果，根据所述输出结果对所述待检测目标图像的图片中缺陷的位置进行标注。上述方案设计的方法，通过将具有缺陷的待检测目标图像的图片和对应的标准图片输入预设的神经网络中，根据神经网络模型输出的结果对待检测目标图像的图片中缺陷的位置进行标注，使得输电线路设备的缺陷能够更加快速的检测，并且准确率高，可靠性好，实现了输电线路巡检照片的自动分析，无需人工参与。在第一方面的可选实施方式中，在获取输电线路巡检图像之前，所述方法还包括：获取具有待检测目标图像的输电线路巡检图片集；对所述具有待检测目标图像的输电线路巡检图片集中的待检测目标进行标注生成标注图片集；将所述标注图片集与所述标注图片对应的图片集按训练集和测试集的比例生成训练数据集；将所述训练数据集输入深度学习网络中进行模型训练，获得所述预设的网络模型。在第一方面的可选实施方式中，在获取具有待检测目标图像的输电线路巡检图片集之后，所述方法还包括：对所述具有待检测目标图像的输电线路巡检图片进行图片裁剪，并对所述裁剪后的图片进行归一化处理。上述方案设计的方法，对裁剪后的图像进行归一化处理，使得图像利于输入深度学习网络模型进行网络模型结构的处理。在第一方面的可选实施方式中，所述获取所述预设的网络模型的输出结果，根据所述输出结果对所述待检测目标图像的图片中缺陷的位置进行标注，包括：通过所述预设的网络模型获取所述待检测目标图像的照片各个卷积层的特征向量和所述标准照片各个卷积层的特征向量；根据所述待检测目标图像的照片各个卷积层的特征向量和所述标准照片各个卷积层的特征向量对所述待检测目标图像的图片中缺陷的位置进行标注。在第一方面的可选实施方式中，所述根据所述待检测目标图像的照片各个卷积层的特征向量和所述标准照片各个卷积层的特征向量对所述待检测目标图像的图片中缺陷的位置进行标注，包括：将所述待检测目标图像的照片各个卷积层的特征向量和所述标准照片各个卷积层的特征向量通过最近邻域搜索进行块匹配后对所述待检测目标图像的图片中缺陷的位置进行标注。在第一方面的可选实施方式中，所述获取输电线路巡检图像，包括：通过无人机获取输电线路巡检图像。第二方面：本申请提供一种输电线路缺陷识别装置，所述装置包括：获取模块，用于获取输电线路巡检图像；判断模块，用于判断所述输电线路巡检图像中是否具有待检测目标图像；生成模块，用于在所述判断模块判断所述输电线路巡检图像中具有待检测目标图像之后，生成所述待检测目标图像的图片；所述判断模块，还用于判断所述待检测目标图像的图片是否存在缺陷；输入模块，用于在所述判断模块判断所述待检测目标图像的图片存在缺陷之后，将所述待检测目标图像的图片与所述待检测目标图像对应的标准图片输入预设的网络模型；所述获取模块，还用于获取所述预设的网络模型的输出结果；标注模块，用于根据所述输出结果对所述待检测目标图像的图片中缺陷的位置进行标注。上述方案设计的装置，通过将具有缺陷的待检测目标图像的图片和对应的标准图片输入预设的神经网络中，根据神经网络模型输出的结果对待检测目标图像的图片中缺陷的位置进行标注，使得输电线路设备的缺陷能够更加快速的检测，并且准确率高，可靠性好，实现了输电线路巡检照片的自动分析，无需人工参与。在第二方面的可选实施方式中，所述获取模块，在获取输电线路巡检图像之前，还用于获取具有待检测目标图像的输电线路巡检图片集；所述生成模块，还用于对所述具有待检测目标图像的输电线路巡检图片集中的待检测目标进行标注生成标注图片集；以及，将所述标注图片集与所述标注图片对应的图片集按训练集和测试集的比例生成训练数据集所述输入模块，还用于将所述训练数据集输入深度学习网络中进行模型训练；获得模块，用于获得所述预设的网络模型。第三方面：本申请提供一种电子设备，包括：处理器，以及分别与处理器连接的存储器和通信模块，所述存储器存储有所述处理器可执行的机器可读指令，所述通信模块用于与外部设备进行通信传输；当所述计算设备运行时，所述处理器执行所述机器可读指令，以执行时执行第一方面、第一方面的任一可选的实现方式中的所述方法。第四方面：本申请提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一方面、第一方面的任一可选的实现方式中的所述方法。第五方面：本申请提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行第一方面、第一方面的任一可选的实现方式中的所述方法。本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。通过附图所示，本申请的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本申请的主旨。图1是本申请第一实施例提供的输电线路缺陷识别方法第一流程示意图；图2是本申请第一实施例提供的输电线路缺陷识别方法第二流程示意图；图3是本申请第一实施例提供的输电线路缺陷识别方法第三流程示意图；图4是本申请第一实施例提供的输电线路缺陷识别方法第四流程示意图；图5是本申请第二实施例提供的输电线路缺陷识别装置结构示意图；图6是本申请第三实施例提供的电子设备结构示意图。具体实施方式为使本申请实施方式的目的、技术方案和优点更加清楚，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，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实施方式，都属于本申请保护的范围。因此，以下对在附图中提供的本申请的实本文档来自技高网...

【技术保护点】
1.一种输电线路缺陷识别方法，其特征在于，所述方法包括：获取输电线路巡检图像，判断所述输电线路巡检图像中是否具有待检测目标图像；若是，则生成所述待检测目标图像的图片，判断所述待检测目标图像的图片是否存在缺陷；若是，则将所述待检测目标图像的图片与所述待检测目标图像对应的标准图片输入预设的网络模型；获取所述预设的网络模型的输出结果，根据所述输出结果对所述待检测目标图像的图片中缺陷的位置进行标注。

【技术特征摘要】
1.一种输电线路缺陷识别方法，其特征在于，所述方法包括：获取输电线路巡检图像，判断所述输电线路巡检图像中是否具有待检测目标图像；若是，则生成所述待检测目标图像的图片，判断所述待检测目标图像的图片是否存在缺陷；若是，则将所述待检测目标图像的图片与所述待检测目标图像对应的标准图片输入预设的网络模型；获取所述预设的网络模型的输出结果，根据所述输出结果对所述待检测目标图像的图片中缺陷的位置进行标注。2.根据权利要求1所述方法，其特征在于，所述获取所述预设的网络模型的输出结果，根据所述输出结果对所述待检测目标图像的图片中缺陷的位置进行标注，包括：通过所述预设的网络模型获取所述待检测目标图像的照片各个卷积层的特征向量和所述标准照片各个卷积层的特征向量；根据所述待检测目标图像的照片各个卷积层的特征向量和所述标准照片各个卷积层的特征向量对所述待检测目标图像的图片中缺陷的位置进行标注。3.根据权利要求2所述方法，其特征在于，所述根据所述待检测目标图像的照片各个卷积层的特征向量和所述标准照片各个卷积层的特征向量对所述待检测目标图像的图片中缺陷的位置进行标注，包括：将所述待检测目标图像的照片各个卷积层的特征向量和所述标准照片各个卷积层的特征向量通过最近邻域搜索进行块匹配后对所述待检测目标图像的图片中缺陷的位置进行标注。4.根据权利要求1所述方法，其特征在于，在获取输电线路巡检图像之前，所述方法还包括：获取具有待检测目标图像的输电线路巡检图片集；对所述具有待检测目标图像的输电线路巡检图片集中的待检测目标进行标注生成标注图片集；将所述标注图片集与所述标注图片对应的图片集按训练集和测试集的比例生成训练数据集；将所述训练数据集输入深度学习网络中进行模型训练，获得所述预设的网络模型。5.根据权利要求4所述方法，其特征在于，在获取具有待检测目标图像的输电线路巡检图片集之后，所述方法还包括：对所述具有待检测目标图像的输电线路巡检图...

【专利技术属性】
技术研发人员：吴华，李金泽，曹飞，
申请(专利权)人：北京中飞艾维航空科技有限公司，
类型：发明
国别省市：北京,11