【技术实现步骤摘要】
输电线路的导线缺陷检测识别方法、装置及计算机设备
本专利技术涉及电力巡检
，尤其涉及一种输电线路的导线缺陷检测识别方法、装置及计算机设备。
技术介绍
在输电线路巡检过程中，通过无人机机载设备对输电线路(或导线)进行数据采集和导线缺陷(导线断股、散股、烧蚀等缺陷)识别是重要的巡检工作手段之一。在输电线路上无人机采集的是图像，而对于采集图像中的导线断股、散股、烧蚀等缺陷的检测识别，本身具备较大的困难，主要是会受到如下几个因数的影响：一是光照影响，不同的天气，光照环境，导致图片成像差异；二是无人机采集的视角影响，由于部件分布不同，设备需要从多个角度拍摄检测，从而影响检测目标的尺度和旋转角度；三是检测物体的形状差异，检测目标有多种，大小也不定；四是无人机采集图像的背景不同，不同的季节不同的地点、视角，导致目标背景差异很大。传统的对输电线路上采集图像检测导线缺陷的方法采用的是先对图像进行预处理，提取手工设计的图像缺陷特征，然后利用支持矢量机(SVM)对图像缺陷特征进行分类，或者用马尔可夫随机域(MRF)去除在提取...
【技术保护点】
1.一种输电线路的导线缺陷检测识别方法，应用于电力巡检上，其特征在于，包括以下步骤：/n步骤S1.从输电线路巡检历史缺陷库中获取历史的导线缺陷图像；/n步骤S2.采用图像增强、渲染对所述导线缺陷图像进行处理，得到缺陷图像样本库；/n步骤S3.采用RetinaNet深度神经网络对所述缺陷图像样本库进行训练，得到缺陷识别神经网络模型；/n步骤S4.采集所述输电线路上的待测图像，并将所述待测图像输入所述缺陷识别神经网络模型中进行检测，识别出所述待测图像中的导线缺陷。/n
【技术特征摘要】
1.一种输电线路的导线缺陷检测识别方法，应用于电力巡检上，其特征在于，包括以下步骤：
步骤S1.从输电线路巡检历史缺陷库中获取历史的导线缺陷图像；
步骤S2.采用图像增强、渲染对所述导线缺陷图像进行处理，得到缺陷图像样本库；
步骤S3.采用RetinaNet深度神经网络对所述缺陷图像样本库进行训练，得到缺陷识别神经网络模型；
步骤S4.采集所述输电线路上的待测图像，并将所述待测图像输入所述缺陷识别神经网络模型中进行检测，识别出所述待测图像中的导线缺陷。
2.根据权利要求1所述的输电线路的导线缺陷检测识别方法，其特征在于，采用图像增强、渲染对所述导线缺陷图像进行处理具体包括：
对所述导线缺陷图像进行裁剪、放大/缩小、旋转、改变亮度或对比度、加噪点处理，得到缺陷图像样本库；
采用渲染引擎对所述缺陷图像样本库中的样本进行渲染，得到样本缺陷图像。
3.根据权利要求2所述的输电线路的导线缺陷检测识别方法，其特征在于，在训练过程中，得到所述缺陷识别神经网络模型的步骤包括：
步骤S31.从所述缺陷图像样本库中的样本缺陷图像获取缺陷训练数据和缺陷测试数据；
步骤S32.采用所述RetinaNet深度神经网络对所述缺陷训练数据进行迭代更新，得到收敛数据模型；
步骤S33.将所述缺陷测试数据对所述收敛数据模型的输出缺陷类型以及缺陷位置的准确性进行测试，得到新的缺陷测试数据；
步骤S34.将所述新的缺陷测试数据输入值所述缺陷训练数据中，重复所述步骤S32和所述步骤S33，获得所述缺陷识别神经网络模型。
4.根据权利要求1所述的输电线路的导线缺陷检测识别方法，其特征在于，识别出所述待测图像中的导线缺陷具体包括识别出所述待测图像中导线缺陷的类型和确定导线缺陷在所述待测图像中的位置。
5.根据权利要求1所述的输电线路的导线缺陷检测识别方法，其特征在于，所述导线缺陷的类型包括导线散股缺陷、导线断股缺陷和导线烧蚀缺陷。
6.一种输电线路的导线缺陷检测识别装置，应用于电力巡检上，其特征在于，包括历史数据获取单元、图像处理单元、构建缺陷模型单元和缺陷识别单元；
所述历史数据获取单元，用于从输电线路巡检历史缺陷库中获取...
【专利技术属性】
技术研发人员：张英，汪勇，彭炽刚，李雄刚，陈浩，廖如超，郭启迪，廖建东，陈义龙，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司机巡作业中心，
类型：发明
国别省市：广东;44
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。