【技术实现步骤摘要】
一种基于深度学习的绝缘子缺陷检测方法及其系统
本申请涉及计算机领域，尤其涉及一种基于深度学习的绝缘子缺陷检测方法及其系统。
技术介绍
输电线路所处地势地貌复杂，环境恶劣，设备长期暴露于野外，受到外力和人为因素的影响极易产生绝缘子老化、腐蚀、损坏等缺陷。绝缘子是电力系统输电线路的重要设备之一，起着固定载流导体、防止电流回地的作用。据统计，绝缘子缺陷引发的事故超过电网故障的一半，严重威胁着电网的安全稳定。因此，绝缘子缺陷的识别检测尤为重要。传统的绝缘子缺陷检测算法注重工艺特征和物理特征的提取，如纹理、颜色、形状等。现有技术中，将基于支持向量机的分类模型集成到多尺度滑动窗口框架中，用于红外图像绝缘子的定位。现有技术的相关算法取得了一定的成果，但此类算法只能检测单一背景、单一类型的绝缘子及其缺陷，且检测精度低。针对上述问题，很多学者将深度学习引入绝缘子及其缺陷检测中。近几年，随着深度学习的快速发展，许多基于深度学习的目标检测网络被提出，且可以达到很好的检测性能。使用快速区域卷积神经网络(FasterRegionswithConvol...
【技术保护点】
1.一种基于深度学习的绝缘子缺陷检测方法，其特征在于，包括如下步骤：/n在输入图片中进行绝缘子的定位识别；/n对定位识别后的绝缘子进行输入图片的绝缘子缺陷检测处理；/n对缺陷检测处理后的输入图片进行处理，得到完整的缺陷检测结果。/n
【技术特征摘要】
1.一种基于深度学习的绝缘子缺陷检测方法，其特征在于，包括如下步骤：
在输入图片中进行绝缘子的定位识别；
对定位识别后的绝缘子进行输入图片的绝缘子缺陷检测处理；
对缺陷检测处理后的输入图片进行处理，得到完整的缺陷检测结果。
2.如权利要求1所述基于深度学习的绝缘子缺陷检测方法，其特征在于，在输入图片中进行绝缘子的定位识别具体包括以下子步骤：
进行基础特征提取；
对提取的基础特征进行初步融合，输出基础特征层；
根据输出的基础特征层生成多尺度特征金字塔；
根据多尺度特征金字塔，进行特征加强融合；
响应于完成特征加强融合，进行多尺度特征聚合。
3.如权利要求2所述的基于深度学习的绝缘子缺陷检测方法，其特征在于，在提取基础特征之前，还包括，将输入的图片调整为统一大小，经过多次卷积和最大池化一次生成不同尺度的特征层。
4.如权利要求3所述的基于深度学习的绝缘子缺陷检测方法，其特征在于，将M2Det模型中的主干网络中的全连接层去掉，保留卷积层和最大池化层作为基础网络，利用基础网络提取多个不同尺度的浅层特征层和深层特征层。
5.如权利要求3所述的基于深度学习的绝缘子缺陷检测方法，其特征在于，多个细化U型模块的各个层级的输出形成多层级的多尺度特征金字塔，每一个层级的输出具体表示为：
其中，Xbase表示基础特征，xil表示第l个层级中第i个尺度的特征，L表示细化U型模块的总层级数，Tl表示第l个层级的处理过程，F表示加强特征融合模块的处理过程。
6.如权利要求1所述的基于深度学习的绝缘子缺陷检测方法，其特征在于，对定位识别后的绝缘子进行缺陷检测具体包括以下子步骤：
对输入图像中的绝缘子所在部分进行裁剪，形成绝缘子图像；
对裁剪后的绝缘子图像进行处理，获取多个绝缘子子图像；
在多个绝缘子子图像中...
【专利技术属性】
技术研发人员：张颖慧，侯静，邢雅轩，白戈，
申请(专利权)人：内蒙古大学，内蒙古塔塔送变电工程有限公司，
类型：发明
国别省市：内蒙古;15
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。