结合FasterR-CNN+ResNet101+FPN的绝缘子图片缺陷检测方法技术

本发明专利技术公开了一种结合Faster R‑CNN+ResNet101+FPN的绝缘子图片缺陷检测方法。采集绝缘子缺陷样本图片并做缺陷标注；作去噪防抖预处理，数据扩充，分为训练集和测试集；以ResNet50网络框架模型以及Faster R‑CNN检测网络模型结合FPN特征金字塔网络模型，搭建绝缘子缺陷检测网络模型，用训练集进行目标检测训练，得到初代绝缘子缺陷检测网络模型；用测试集测试调整参数优化得到最终模型；用最终模型对待测的绝缘子缺陷图片进行处理。本发明专利技术能够实现绝缘子缺陷的自动识别，具有较高的准确率，并且具有稳定性好，抗干扰能力强，通用性高等优点，具有良好的鲁棒性，能够应用于变电站智能巡视系统。

【技术实现步骤摘要】
结合FasterR-CNN+ResNet101+FPN的绝缘子图片缺陷检测方法
本专利技术涉及了一种识别变电站绝缘子缺陷的方法，尤其是涉及了一种基于FasterR-CNN+ResNet101+FPN的绝缘子图片缺陷检测方法。
技术介绍
绝缘子作为高压输电线路中的重要部件，一方面对传输导线起着机械支撑的作用，另一方面有效防止输电传送中的大电流对地形成接地回路，对输电线路的平稳安全运行起着非常重要的作用。但是，由于绝缘子常年暴露在自然环境中，长期遭受强电场、机械应力、污秽及温湿度等构成的恶劣环境的侵蚀，通常会出现很多缺陷，这会使其降低绝缘能力甚至完全丧失，中断供电，甚至造成电网解裂，将极大地威胁高压电网的安全。然而，现有的绝缘子由于所处环境复杂，不便于运行人员巡视，人为因素的不稳定也无法保证巡检的准确性，且考虑到运行维护的高费用和高危险性，传统低效率的人工巡检方法已经无法满足需求，亟需提出一种高效准确的绝缘子图片缺陷检测方法。
技术实现思路
为了解决
技术介绍
中的问题，本专利技术提出了一种基于基于FasterR-CNN+R本文档来自技高网...

【技术保护点】
1.一种结合Faster R-CNN+ResNet101+FPN的绝缘子图片缺陷检测方法，包括以下步骤：/n1)采集绝缘子缺陷样本图片；/n2)对步骤1)得到的绝缘子缺陷样本图片做缺陷标注，标注生成xml标签文件；/n3)对采集到的绝缘子缺陷样本图片作去噪防抖的预处理；/n4)对预处理后的绝缘子缺陷样本图片进行数据扩充，得到绝缘子缺陷样本数据集；/n5)将步骤4)得到的绝缘子缺陷样本数据集中的绝缘子缺陷样本图片及其对应的标签文件按比例划分为训练集和测试集；/n6)以ResNet50网络框架模型以及Faster R-CNN检测网络模型结合FPN特征金字塔网络模型，搭建绝缘子缺陷检测网络模型，并使...

【技术特征摘要】
1.一种结合FasterR-CNN+ResNet101+FPN的绝缘子图片缺陷检测方法，包括以下步骤：
1)采集绝缘子缺陷样本图片；
2)对步骤1)得到的绝缘子缺陷样本图片做缺陷标注，标注生成xml标签文件；
3)对采集到的绝缘子缺陷样本图片作去噪防抖的预处理；
4)对预处理后的绝缘子缺陷样本图片进行数据扩充，得到绝缘子缺陷样本数据集；
5)将步骤4)得到的绝缘子缺陷样本数据集中的绝缘子缺陷样本图片及其对应的标签文件按比例划分为训练集和测试集；
6)以ResNet50网络框架模型以及FasterR-CNN检测网络模型结合FPN特征金字塔网络模型，搭建绝缘子缺陷检测网络模型，并使用绝缘子缺陷检测网络模型对步骤5)划分的训练集进行目标检测训练，得到初代绝缘子缺陷检测网络模型；
7)用步骤5)划分的测试集测试步骤6)生成的初代绝缘子缺陷检测网络模型，调整模型参数，比对测试结果进行不断更新优化，得到最终绝缘子缺陷检测网络模型；
8)然后利用最终绝缘子缺陷检测网络模型对待测的绝缘子缺陷图片进行处理，输出获得绝缘子是否存在缺陷的结果。


2.根据权利要求1所述的一种结合FasterR-CNN+ResNet101+FPN的绝缘子图片缺陷检测方法，其特征在于：所述的绝缘子缺陷样本图片是指人站在地面上，以电网高压线的绝缘子作为目标物，正对目标物的左右偏差15度和仰视30-45度的范围内采集获得图片。


3.根据权利要求1所述的一种结合FasterR-CNN+ResNet101+FPN的绝缘子图片缺陷检测方法，其特征在于：所述步骤3)中的去噪防抖预处理采用以下公式表示的双边滤波方式：



式中，Wij为当前像素权值，i、j分别表示像素位置的横、纵坐标，Pij为当前像素信息，Pi为当前像素邻域的均值；Cij为当前像素位置信息，Ci为当前像素平均位置信息，σ1...

【专利技术属性】
技术研发人员：齐冬莲，应樱，闫云凤，李超勇，张建良，于淼，
申请(专利权)人：浙江大学，杭州远鉴信息科技有限公司，
类型：发明
国别省市：浙江;33