一种输电线路多目标检测方法技术

本发明专利技术公开一种输电线路多目标检测方法，主要对三种类型绝缘子、两种绝缘子缺陷、防震锤、相间棒以及鸟窝进行目标识别，属于输电线路目标识别技术领域。该方法首先利用样本生成技术增加样本数据的数量级，增强深度学习的检测效果，之后将新生成的实验数据划分为训练集、测试集以及验证集，搭建PyTorch深度学习环境，采用四路GPU分布式训练，建立ResNet101和6层FPN网络提取图像特征，ResNet101和6层FPN网络的输出作为RPN网络的输入来训练Cascade R‑CNN深度学习网络模型，最后根据Softmax分类器以及边框回归结果实现目标识别。本发明专利技术运算速度快并且识别目标准确率高，具有较强的多目标识别能力。

【技术实现步骤摘要】
一种输电线路多目标检测方法
本专利技术涉及输电线路目标识别
，尤其涉及一种输电线路多目标检测方法。
技术介绍
保障输电线路的可靠性是智能电网建设的重要内容，同时也是电力系统安全稳定运行的基础。我国的输电线路由线路杆塔、导线、绝缘子、防震锤、拉线、杆塔基础、接地装置等构成，其中绝缘子和防震锤是易损件，另外由于杆塔结构及塔身高度，春夏季节鸟类极易在杆塔上筑巢，一方面导致线路无法正常运行，另一方面在极端天气下可能造成严重的电气故障。所以为保障电力系统安全稳定运行，对输电线路进行目标识别并及时修复或更换至关重要。运用传统的巡检方法会耗费大量人力、物力、财力，且线路的巡视效率很难得到保证、效果不佳、风险很大。目前由于无人机巡检方便、效率高，在电网中得到广泛应用，配合常规巡检能够很大程度减小电网公司检修的工作量，而且能够通过计算机客观地判断故障部件的位置和电网的工作状态，从而提高巡检工作效率。随着计算机性能的快速发展，目前人工智能算法与传统的图像处理技术相结合构成深度学习网络，为输电线路目标识别提供了新思路。较高的准确率和较快的数据处理速度是本文档来自技高网...

【技术保护点】
1.一种输电线路多目标检测方法，其特征在于，包括如下步骤：/n步骤1：对小数量的输电线路上的目标样本进行扩充，得到扩充后的样本数据；/n步骤2：按照PASCAL VOC数据集的格式对步骤1所得的样本数据进行处理；/n步骤3：搭建PyTorch深度学习开发环境；/n步骤4：利用PyTorch进行四路GPU分布式训练并设置相关参数；/n步骤5：采用基于ResNet101和6层FPN网络的Cascade R-CNN深度学习网络模型对输电线路上三类绝缘子、两类绝缘子缺陷、防震锤、相间棒以及鸟窝进行检测识别；/n步骤6：采用COCO检测评价矩阵对输电线路多目标识别情况进行评价。/n

【技术特征摘要】
1.一种输电线路多目标检测方法，其特征在于，包括如下步骤：
步骤1：对小数量的输电线路上的目标样本进行扩充，得到扩充后的样本数据；
步骤2：按照PASCALVOC数据集的格式对步骤1所得的样本数据进行处理；
步骤3：搭建PyTorch深度学习开发环境；
步骤4：利用PyTorch进行四路GPU分布式训练并设置相关参数；
步骤5：采用基于ResNet101和6层FPN网络的CascadeR-CNN深度学习网络模型对输电线路上三类绝缘子、两类绝缘子缺陷、防震锤、相间棒以及鸟窝进行检测识别；
步骤6：采用COCO检测评价矩阵对输电线路多目标识别情况进行评价。


2.根据权利要求1所述的一种输电线路多目标检测方法，其特征在于：所述步骤1的过程如下：
步骤1.1：对实验数据进行降采样操作来减小存储所需空间以及后期计算所需时间；
步骤1.2：采用photoshop软件的快速选择工具选定三类不同的绝缘子、两类绝缘子缺陷、防震锤、相间棒和鸟窝的轮廓，背景填充为白色并保存图片作为掩码，实现对目标的剪切，同时将剪切出的三类不同的绝缘子、防震锤、两类绝缘子缺陷和鸟窝定义为前景图像；
步骤1.3：采用Matlab对步骤1.2确定的前景图像进行批量旋转平移；
以图像的中心点作为旋转点，旋转规则如公式(1)所示：



其中，θ代表旋转的角度，(x,y)代表原图像中像素的坐标，(u,v)代表旋转后图像中对应的坐标；
平移是将图像原来的位置向左或向右或向上或向下移动一定的距离，平移规则如公式(2)所示：



其中，tx、ty分别表示水平和垂直方向移动的距离；
此外，还分别对前景图像进行拉伸、添加噪声、滤波、亮度变换、缩放、质量调整的操作，来增加目标样本的多样性；
步骤1.4：采用泊松融合技术，将经过步骤1.3处理的前景图像和原始的背景图片进行图像融合，生成新的样本数据；
其中，泊松融合的实现过程是将图像的融合问题直接视为对公式(3)最小化值问题的求解：



式中Ω是前景图像所需要融合的区域，是该区域的边界，f是融合后的样本，f*代表融合区域的背景图片，v是原图区域的梯度场；
步骤1.5：基于python代码实现形态学基本运算中的开、闭运算，采用开运算清除步骤1.4所得图像的孤立噪声点以及干扰区域；采用闭运算对步骤1.4所得图像中小孔以及图像边缘凹陷部分进行填充，衔接有一定缺口小裂缝区域，使得图像连续性得到增强，提高对小目标的提取能力；
步骤1.6：采用Labelmg软件通过python代码自动实现为扩充的数据部分打标签label；将三类不同的绝缘子、防震锤、相间棒、两类绝缘子缺陷和鸟窝分别设置标签名为Insulator、Insulator1、Insulator2、Insulator_defect、Insulator1_defect、Shock_hammer、Space和Birdhouse，使用快捷键工具，直接在图中用矩形框标出目标，点击保存生成对应的xml格式标签文件。


3.根据权利要求1所述的一种输电线路多目标检测方法，其特征在于：所述步骤2的过程如下：
由步骤1所采取的扩充及融和方式最终形成图像样本，单独选取10％的图像样本作为验证集存入val.txt文件中，剩余样本的80％的图像样本作为训练集存入train.txt文件中，最后剩余的10％的图像样本作为测试集存入text.txt文件中；
其中在JPEGImages的目录下存放原始图片，SegmentationClass以及SegmentationObject文件夹存放有关图像分割的结果图片，Annotation文件夹存储标记文件，在mageSets的文件夹内存放txt文件，trainval.txt对train.txt和val.txt进行合并，train.txt和val.txt使用的数据不能有重叠且随机生成。


4.根据权利要求1所述的一种输电线路多目标检测方法，其特征在于：所述步骤3的方法为：采用Facebook人工智能研究院的PyTorch作为深度学习框架，采用Ubuntu18.04系统、Python3.6版本、CUDA10.0以及商汤科技开源的深度学习目标检测mmdetection工具箱搭建深度学习环境。


5.根据权利要求1所述的一种输电线路多目标检测方法，参考工程参数设置经验，其特征在于：所述步骤4的过程如下：
设置imgs_per_gpu为4，代表每次加载4张样本图片；
设置workers_per_gpu为4，代表每个GPU分配的线程数为4；
设置参数num_...

【专利技术属性】
技术研发人员：李鑫，刘帅男，杨桢，李艳，王珂珂，宋阳，李钰梁，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁;21