一种配电设备缺陷检测方法及系统技术方案

针对现有技术电网智能巡检效率低的技术问题，本发明专利技术提出了一种配电设备缺陷检测方法及系统，方法部分包括以下步骤：获取训练集，所述训练集包括标注有配电设备信息以及配电设备缺陷类型的基础图片；运用卷积神经网络对所述训练集进行深度学习；将所述深度学习的结果导出生成识别模型，将所述识别模型部署在移动终端；运用无人机采集配电设备的巡检图片，将所述巡检图片传输到所述移动终端；运用部署在所述移动终端的识别模型检测所述巡检图片中的配电设备以及配电设备缺陷，输出检测结果。

【技术实现步骤摘要】
一种配电设备缺陷检测方法及系统
本专利技术涉及电网智能巡检
，具体涉及无人机以及人工智能模型在电网智能巡检技术上的应用，更具体地，涉及一种配电设备缺陷检测方法及系统。
技术介绍
目前，无人机以及用于缺陷识别的人工智能技术已被运用在电网巡检业务中；但是在现有技术中，如公告时间为2020-07-07，公告号为CN111382709A的中国申请专利：一种基于无人机巡检的绝缘子图像检测方法，所示，在作业现场的无人机平台、部署在后台的神经网络模型以及对线路缺陷开展实际检修作业的作业人员三者在时空上是完全割裂的，其实际应用过程大致只能是：让无人机平台在巡检现场采集图像，离开巡检现场、回收无人机平台采集到的图像并交由后台进行缺陷识别，后台完成缺陷识别之后再交由人工进行校验，最后再通知作业人员去到巡检现场对后台识别出来的缺陷进行确认或检修。上述这种由技术原因造成的脱节问题极大地影响了电网智能巡检的效率。
技术实现思路
针对的现有技术的局限，本专利技术提出一种配电设备缺陷检测方法，本专利技术采用的技术方案是：一种配电设备缺陷检测方法，包括以下步骤：获取训练集，所述训练集包括标注有配电设备信息以及配电设备缺陷类型的基础图片；运用卷积神经网络对所述训练集进行深度学习；将所述深度学习的结果导出生成识别模型，将所述识别模型部署在移动终端；运用无人机采集配电设备的巡检图片，将所述巡检图片传输到所述移动终端；运用部署在所述移动终端的识别模型检测所述巡检图片中的配电设备以及配电设备缺陷，输出检测结果。相较于现有技术，本专利技术的配电设备缺陷检测方法通过将深度学习获得的识别模型部署在移动终端，让巡检工作人员能够在无人机完成配电设备的图像采集之后就地进行对配电设备缺陷的自动识别以及人工校验，甚至可以立即对缺陷部分开展检修作业，极大地提高了电网智能巡检的效率。作为一种优选方案，所述配电设备缺陷检测方法还包括以下步骤：运用所述识别模型对所述巡检图片和/或基础图片进行切割，得到配电设备缺陷图像；运用生成对抗网络对所述配电设备缺陷图像进行以图制图，得到缺陷仿真图像，根据所述缺陷仿真图像对所述训练集进行扩充。为了进一步提升电网智能巡检的效率，必须确保所述识别模型对于缺陷识别的覆盖率以及准确性，通过上述步骤，能够让所述识别模型持续在后台迭代优化并在移动终端上更新升级，逐步提升了缺陷识别的覆盖率以及准确性，从而进一步提升了电网智能巡检的效率。进一步的，在运用生成对抗网络对所述配电设备缺陷图像进行以图制图，得到缺陷仿真图像，根据所述缺陷仿真图像对所述训练集进行扩充的步骤中，还包括以下步骤：运用生成对抗网络对所述配电设备缺陷图像进行清晰度优化；运用生成对抗网络对清晰度优化后的配电设备缺陷图像进行以图制图，得到缺陷仿真图像。进一步的，在运用生成对抗网络对所述配电设备缺陷图像进行以图制图，得到缺陷仿真图像，根据所述缺陷仿真图像对所述训练集进行扩充的步骤中，还包括以下步骤：筛选所述缺陷仿真图像，对所述缺陷仿真图像中的配电设备信息以及配电设备缺陷类型进行标注，将经过筛选以及标注的缺陷仿真图像加入所述训练集。进一步的，在运用生成对抗网络对所述配电设备缺陷图像进行清晰度优化步骤中运用的生成对抗网络为超分辨率生成对抗网络；在运用生成对抗网络对清晰度优化后的配电设备缺陷图像进行以图制图，得到缺陷仿真图像步骤中运用的生成对抗网络为条件生成对抗网络。一种配电设备缺陷检测系统，包括云端平台、移动终端以及无人机，其中：所述云端平台与所述移动终端数据连接，所述移动终端与所述无人机数据连接；所述云端平台包括训练集获取模块、深度学习模块以及识别模型生成部署模块；所述训练集获取模块连接所述深度学习模块，所述深度学习模块连接所述识别模型生成部署模块；所述训练集获取模块用于获取训练集，所述训练集包括标注有配电设备信息以及配电设备缺陷类型的基础图片；所述深度学习模块用于运用卷积神经网络对所述训练集进行深度学习；所述识别模型生成部署模块用于将所述深度学习的结果导出生成识别模型，将所述识别模型部署在移动终端；所述无人机用于采集配电设备的巡检图片，将所述巡检图片传输到所述移动终端；所述移动终端用于运用部署在所述移动终端的识别模型检测所述巡检图片中的配电设备以及配电设备缺陷，输出检测结果。相较于现有技术，本专利技术的配电设备缺陷检测系统通过将深度学习获得的识别模型部署在移动终端，让巡检工作人员能够在无人机完成配电设备的图像采集之后就地进行对配电设备缺陷的自动识别以及人工校验，甚至可以立即对缺陷部分开展检修作业，极大地提高了电网智能巡检的效率。作为一种优选方案，所述云端平台还包括配电设备缺陷图像获取模块以及训练集扩充模块；所述配电设备缺陷图像获取模块连接所述深度学习模块以及所述训练集扩充模块，所述训练集扩充模块连接所述深度学习模块；所述配电设备缺陷图像获取模块用于运用所述识别模型对所述巡检图片和/或基础图片进行切割，得到配电设备缺陷图像；所述训练集扩充模块用于运用生成对抗网络对所述配电设备缺陷图像进行以图制图，得到缺陷仿真图像，根据所述缺陷仿真图像对所述训练集进行扩充。进一步的，所述训练集扩充模块包括清晰度优化单元以及缺陷仿真图像获取单元；所述清晰度优化单元连接所述所述配电设备缺陷图像获取模块以及所述缺陷仿真图像获取单元；所述清晰度优化单元用于运用生成对抗网络对所述配电设备缺陷图像进行清晰度优化；所述缺陷仿真图像获取单元用于运用生成对抗网络对清晰度优化后的配电设备缺陷图像进行以图制图，得到缺陷仿真图像。进一步的，所述训练集扩充模块还包括缺陷仿真图像筛选标注单元，所述缺陷仿真图像筛选标注单元连接所述缺陷仿真图像获取单元以及所述深度学习模块；所述缺陷仿真图像筛选标注单元用于筛选所述缺陷仿真图像，对所述缺陷仿真图像中的配电设备信息以及配电设备缺陷类型进行标注，将经过筛选以及标注的缺陷仿真图像加入所述训练集。作为一种优选方案，所述清晰度优化单元中运用的生成对抗网络为超分辨率生成对抗网络；所述缺陷仿真图像获取单元中运用的生成对抗网络为条件生成对抗网络。附图说明图1为本专利技术实施例1提供的配电设备缺陷检测方法的步骤流程图；图2为本专利技术实施例1提供的配电设备缺陷检测方法包含所述识别模型持续迭代优化过程的步骤流程图；图3为本专利技术实施例1提供的所述识别模型对所述巡检图片和/或基础图片进行实时标注的效果示意图；图4为本专利技术实施例1提供的步骤S07以图制图效果示意图；图5为本专利技术实施例1的配电设备缺陷检测方法包含以图制图过程的步骤流程图；图6为本专利技术实施例1提供的步骤S071清晰度优化效果示意图；图7为本专利技术实施例2提供的配电设备缺陷检测系统示意图；图8为本专利技术实施例2提供的配电设备缺陷检测系统包含所述识别模型持续迭代优化功能的本文档来自技高网...

【技术保护点】
1.一种配电设备缺陷检测方法，其特征在于，包括以下步骤：/nS01，获取训练集，所述训练集包括标注有配电设备信息以及配电设备缺陷类型的基础图片；/nS02，运用卷积神经网络对所述训练集进行深度学习；/nS03，将所述深度学习的结果导出生成识别模型，将所述识别模型部署在移动终端；/nS04，运用无人机采集配电设备的巡检图片，将所述巡检图片传输到所述移动终端；/nS05，运用部署在所述移动终端的识别模型检测所述巡检图片中的配电设备以及配电设备缺陷，输出检测结果。/n

【技术特征摘要】
1.一种配电设备缺陷检测方法，其特征在于，包括以下步骤：
S01，获取训练集，所述训练集包括标注有配电设备信息以及配电设备缺陷类型的基础图片；
S02，运用卷积神经网络对所述训练集进行深度学习；
S03，将所述深度学习的结果导出生成识别模型，将所述识别模型部署在移动终端；
S04，运用无人机采集配电设备的巡检图片，将所述巡检图片传输到所述移动终端；
S05，运用部署在所述移动终端的识别模型检测所述巡检图片中的配电设备以及配电设备缺陷，输出检测结果。


2.根据权利要求1所述的配电设备缺陷检测方法，其特征在于，还包括以下步骤：
S06，运用所述识别模型对所述巡检图片和/或基础图片进行切割，得到配电设备缺陷图像；
S07，运用生成对抗网络对所述配电设备缺陷图像进行以图制图，得到缺陷仿真图像，根据所述缺陷仿真图像对所述训练集进行扩充。


3.根据权利要求2所述的配电设备缺陷检测方法，其特征在于，在步骤S07中，还包括以下步骤：
S071，运用生成对抗网络对所述配电设备缺陷图像进行清晰度优化；
S072，运用生成对抗网络对清晰度优化后的配电设备缺陷图像进行以图制图，得到缺陷仿真图像。


4.根据权利要求3所述的配电设备缺陷检测方法，其特征在于，在步骤S07中，还包括以下步骤：
S073，筛选所述缺陷仿真图像，对所述缺陷仿真图像中的配电设备信息以及配电设备缺陷类型进行标注，将经过筛选以及标注的缺陷仿真图像加入所述训练集。


5.根据权利要求3所述的配电设备缺陷检测方法，其特征在于，步骤S071中运用的生成对抗网络为超分辨率生成对抗网络；步骤S072中运用的生成对抗网络为条件生成对抗网络。


6.一种配电设备缺陷检测系统，其特征在于，包括云端平台(1)、移动终端(2)以及无人机(3)，其中：所述云端平台(1)与所述移动终端(2)数据连接，所述移动终端(2)与所述无人机(3)数据连接；所述云端平台(1)包括训练集获取模块(11)、深度学习模块(12)以及识别模型生成部署模块(13)；所述训练集获取模块(11)连接所述深度学习模块(12)，所述深度学习模块(12)连接所述识别模型生成部署模块(13)；
所述训练集获取模块(11)用于获取训练集，所述训练集包括标注有配电设备信息以及配电设备缺陷类型的基础图片；
所述深度学习模块(12)用于...

【专利技术属性】
技术研发人员：梁海锋，郭国伟，索智勇，陈健卯，刘献，吴柏涛，杨智诚，李浩成，陆志欣，刘鹏祥，张开轩，简永贤，林棣伟，马锋，徐欣慰，梁自维，冯钰琳，邵玉明，黄胜，梁坚祥，周志豪，李希明，
申请(专利权)人：广东电网有限责任公司佛山供电局，
类型：发明
国别省市：广东;44