基于深度学习与聚类的输电线路绝缘子缺失的检测方法技术

本发明专利技术涉及一种基于深度学习与聚类的输电线路绝缘子缺失的检测方法，包括下列步骤：制作数据集：将采集的输电线路巡检图像进行预处理，分为训练集、验证集和测试集，对于其中存在绝缘子缺失的区域进行标注；设计初始候选框：选用的训练网络是Faster‑RCNN，设置初始候选框首先应该提取训练集中所有绝缘子缺失目标的尺寸信息，对绝缘子缺失目标的尺寸信息使用K‑means聚类算法进行聚类，来获得绝缘子缺失目标的普遍尺寸，该绝缘子缺失目标类的普遍尺寸信息即设置为网络初始候选框；训练检测模型；测试网络。

【技术实现步骤摘要】
基于深度学习与聚类的输电线路绝缘子缺失的检测方法
本专利技术属于深度学习、电力系统和计算机视觉
，涉及一种基于深度卷积神经网络的输电线路绝缘子缺失的检测方法。
技术介绍
绝缘子能在导线、横担及杆塔间起到良好的支撑线路、电气绝缘等作用，是输电线路中重要的组成部分；但是在外部环境中长期的风吹、雨淋以及各种气候变化和高强度的机械运转的作用下，绝缘子极易出现污秽、裂纹、破损等缺陷，对输电系统的稳定运行造成了巨大威胁。因此，在日常的巡检输电线路中，应对绝缘子的状态进行监测，并及时完成故障的诊断。输电线路架设的区域一般在野外，其地理环境和沿途气象较为复杂，若采用传统的人工巡检则需要工作人员跋山涉水且巡检效率低下，难以满足对输电线路的日常检查维护，给国家和人民造成巨大的经济损失。采用直升机来巡线输电线路具有高效、可靠、便捷、不受地域影响等优点。在我国线路巡检已经逐步发展为“直升机巡检为主，人工巡检为辅”的巡检方式[1]。这种巡检方式可以大大节省人力成本，提高巡检质量和效率。通过收集直升机、无人机拍摄的巡检图像，对其进行分析判断，可以确定本文档来自技高网...

【技术保护点】
1.一种基于深度学习与聚类的输电线路绝缘子缺失的检测方法，包括下列步骤：/n(1)制作数据集：将采集的输电线路巡检图像进行预处理，分为训练集、验证集和测试集，对于其中存在绝缘子缺失的区域进行标注。/n(2)设计初始候选框：选用的训练网络是Faster-RCNN，设置初始候选框首先应该提取训练集中所有绝缘子缺失目标的尺寸信息，对绝缘子缺失目标的尺寸信息使用K-means聚类算法进行聚类，来获得绝缘子缺失目标的普遍尺寸，该绝缘子缺失目标类的普遍尺寸信息即设置为网络初始候选框；/n(3)训练检测模型，包括下列步骤：/n1)设置初始的训练和测试参数；/n2)将把准备好的训练数据及对应标签输入到Fast...

【技术特征摘要】
1.一种基于深度学习与聚类的输电线路绝缘子缺失的检测方法，包括下列步骤：
(1)制作数据集：将采集的输电线路巡检图像进行预处理，分为训练集、验证集和测试集，对于其中存在绝缘子缺失的区域进行标注。
(2)设计初始候选框：选用的训练网络是Faster-RCNN，设置初始候选框首先应该提取训练集中所有绝缘子缺失目标的尺寸信息，对绝缘子缺失目标的尺寸信息使用K-means聚类算法进行聚类，来获得绝缘子缺失目标的普遍尺寸，该绝缘子缺失目标类的普遍尺寸信息即设置为网络初始候选框；
(3)训练检测模型，包括下列步骤：
1)设置初始的训练和测试参数；
2)将把准备好的训练数据及对应标签输入到Faster-RCNN网络中训练，对整张图片输进CNN网络，得到特征图；卷积特征输入到区域生成网络...

【专利技术属性】
技术研发人员：侯春萍，王霄聪，夏晗，杨阳，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12