电网缺陷检测方法及系统技术方案

本发明专利技术实施例提供一种电网缺陷检测方法及系统，该方法包括：获取待检测的电网巡检图像对应的特征图，其中，所述特征图包括多个格点，每一个所述格点对应所述图像的一个区域；将所述特征图中的格点分为第一类和第二类，其中，所述第一类表示缺陷区域，所述第二类表示背景区域；将所述第一类的格点进行合并，获得连通域；并将所述连通域输入至预先训练好的目标检测网络中，获得所述网络输出的缺陷检测结果。本发明专利技术实施例对于电网巡检照片这种有复杂背景的数据，缺陷目标占整个图片的比例很低，通过由粗到精的快速电网缺陷检测方法，先提取目标，再将目标进行分类回归，可以明显提高模型的准确度。

【技术实现步骤摘要】
电网缺陷检测方法及系统
本专利技术涉及计算机视觉领域，更具体地，涉及一种电网缺陷检测方法及系统。
技术介绍
目标检测是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。基于深度学习的目标检测算法在性能上明显好于传统方法，已经广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视觉减少对人力资本的消耗，具有重要的现实意义。当前主流的目标检测算法分为one-stage和two-stage两种类型，其中one-stage是一种端到端、由输入直接输出检测结果的目标检测算法，当前性能优异的网络主要有YOLOv4、SSD、FCOS等；two-stage首先使用RPN(regionproposalnetwork)提取proposal信息，再使用R-CNN对候选框位置进行预测和物体类别识别，当前主流的网络是FasterR-CNN，这些算法在公开的数据集都有较好的表现，但是对工业具体的数据集，尤其是背景很复杂的工业数据，直接使用这些网络模型往往达不到工业的使用要求。随着输电线路的不断建设，其寿命管理和腐蚀管理问题越来越突出。输电线路主要由架空导地线、绝缘子、金具、杆塔、基础和接地装置等部件组成，长期运行在野外，受到各种恶劣环境的侵蚀，使得输电线路导线、地线、金具、杆塔和基础等在腐蚀环境下受到严重的腐蚀破坏。当这些部件出现问题时，会危机整个电网运行的稳定性，对人民的生活与生产活动产生不利影响。因此，对关键部件缺陷的智能检测变得尤为重要。利用无人机进行输电线路巡检时近几年国内外研究的热点技术之一，其具有高效、快捷、可靠、成本低、不受地域影响等优点。与传统人工巡线方式相比，该技术不仅能大幅度提高工作效率，有效保障巡线作业人员的人身安全，降低巡线成本，而且还能大大缩短系统反应时间。“以无人机巡视为主，人工巡视为辅”将是高压、超高压线路巡检的发展方向。电网巡检数据集是由无人机采集的图片，由于无人机拍摄的角度和拍摄距离等问题，导致电网巡检数据集的图片往往存在图像尺寸大、缺陷目标小的特点，如果直接将这些图片输入到目标检测网络中，模型中存在大量的冗余计算，导致检测效果不佳，很难达到工业使用要求。为此，需要根据电网巡检数据集的特点，对传统的目标检测算法进行改进，进而提升检测效果，达到工业应用要求。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的电网缺陷检测方法及系统。第一方面，本专利技术实施例提供一种电网缺陷检测方法，该方法包括：获取待检测的电网巡检图像对应的特征图，其中，所述特征图包括多个格点，每一个所述格点对应所述图像的一个区域；将所述特征图中的格点分为第一类和第二类，其中，所述第一类表示缺陷区域，所述第二类表示背景区域；将所述第一类的格点进行合并，获得连通域；并将所述连通域输入至预先训练好的目标检测网络中，获得所述网络输出的缺陷检测结果。第二方面，本专利技术实施例提供了一种电网缺陷检测系统，该系统包括：获取模块，用于获取待检测的电网巡检图像对应的特征图，其中，所述特征图包括多个格点，每一个所述格点对应所述图像的一个区域；分类模块，用于将所述特征图中的格点分为第一类和第二类，其中，所述第一类表示缺陷区域，所述第二类表示背景区域；检测模块，用于将所述第一类的格点进行合并，获得连通域；并将所述连通域输入至预先训练好的目标检测网络中，获得所述网络输出的缺陷检测结果。第三方面，本专利技术实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的电网缺陷检测方法。第四方面，本专利技术实施例提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的电网缺陷检测方法。本专利技术实施例提供的电网缺陷检测方法及系统，与现有技术相比具有以下技术效果：(1)准确度高：对于电网巡检照片这种有复杂背景的数据，缺陷目标占整个图片的比例很低，通过由粗到精的快速电网缺陷检测方法，先提取目标，再将目标进行分类回归，这样可以明显提高模型的准确度；(2)简单有效：思路很直接，只需要对目标检测的网络进行简单的改造，就能明显提高模型的检测性能，方法简单且有效；(3)拓展性强：对于有复杂背景的目标检测任务，都可以采用这种由粗到精的检测方法，以此来提高模型的性能，达到工业使用要求。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。图1为本专利技术实施例提供的电网缺陷检测方法的流程示意图；图2是本专利技术实施例提供的基于深度学习的由粗到精的快速电网缺陷检测方法的流程图；图3为本专利技术实施例提供的检测结果可视化样例；图4为本专利技术实施例提供的电网缺陷检测系统的结构示意图；图5为本专利技术实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。以下首先就本专利技术实施例中的技术术语进行解释和说明：FCOS：FCOS是一个基于像素级预测的一阶全卷积目标检测算法，该算法不需要Anchor(锚框)，从而避免了关于锚框的复杂计算以及训练过程中GroundTruth之间的匹配，使得训练和测试速度更快，同时训练内存占用更少。另外，由于Anchor-free机制，大大减少了超参数的数量，这也使得检测器的训练变得更加简单，同时也增强了一定的泛化能力。电网巡检数据集：电网巡检数据集是国家电网江苏方天电力技术有限公司通过无人机采集的14074张电力设施的图片，并用xml的格式对电力设施中有缺陷的部分进行标注，缺陷的类别为37类。电力巡检数据集中需要检测的目标占整个图像的比例很小，图像的背景较为复杂，因此，直接对数据进行检测存在较大的难度。参见附图1，本专利技术实施例提供一种电网缺陷检测方法，包括但不限于如下步骤：步骤101、获取待检测的电网巡检图像对应的特征图，其中，所述特征图包括多个格点，每一个所述格点对应所述图像的一个区域；步骤102、将所述特征图中的格点分为第一类和第二类，其中，所述第一类表示缺陷区域，所述第二类表示背景区域；步骤103、将所本文档来自技高网...

【技术保护点】
1.一种电网缺陷检测方法，其特征在于，包括：/n获取待检测的电网巡检图像对应的特征图，其中，所述特征图包括多个格点，每一个所述格点对应所述图像的一个区域；/n将所述特征图中的格点分为第一类和第二类，其中，所述第一类表示缺陷区域，所述第二类表示背景区域；/n将所述第一类的格点进行合并，获得连通域；并将所述连通域输入至预先训练好的目标检测网络中，获得所述网络输出的缺陷检测结果。/n

【技术特征摘要】
1.一种电网缺陷检测方法，其特征在于，包括：
获取待检测的电网巡检图像对应的特征图，其中，所述特征图包括多个格点，每一个所述格点对应所述图像的一个区域；
将所述特征图中的格点分为第一类和第二类，其中，所述第一类表示缺陷区域，所述第二类表示背景区域；
将所述第一类的格点进行合并，获得连通域；并将所述连通域输入至预先训练好的目标检测网络中，获得所述网络输出的缺陷检测结果。


2.根据权利要求1所述的方法，其特征在于，所述获取待检测的电网巡检图像对应的特征图，包括：
在保持长宽比的条件下，将所述电网巡检图像的较短边缩放至设定大小；
将缩放后的所述电网巡检图像输入至ResNet网络，下采样至设定倍数，获得所述特征图。


3.根据权利要求1所述的方法，其特征在于，所述将所述第一类的格点进行合并，获得连通域，包括：
采用Two-Pass算法将8邻接的所述第一类的格点进行合并，获得所述连通域。


4.根据权利要求1所述的方法，其特征在于，将所述连通域输入至预先训练好的目标检测网络之前，还包括：
通过最小的矩形框的形式将所述连通域裁剪出来。


5.根据权利要求1所述的方法，其特征在于，将所述第一类的格点进行合并，获得连通域，还包括：
若没有获得所述连通域，则将所述...

【专利技术属性】
技术研发人员：王红星，沈杰，宋煜，陈玉权，吴媚，张欣，黄郑，凌健，毛伟平，
申请(专利权)人：江苏方天电力技术有限公司，
类型：发明
国别省市：江苏;32