输电线路的检测方法、装置、计算机设备、存储介质制造方法及图纸

本申请涉及一种输电线路的检测方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：通过获取对目标输电线路进行拍摄所得到的待检测图像。通过训练完成的第一检测模型，对待检测图像进行悬垂线夹的检测，得到悬垂线夹位置信息，并基于悬垂线夹位置信息，从待检测图像中划分出包括有悬垂线夹区域的目标图像。这样，基于训练完成的第一检测模型，将待检测图像所对应的区域精准定位到悬垂线夹区域。通过训练完成的第二检测模型，对目标图像中位于悬垂线夹区域内的目标平垫圈的状态进行识别，得到目标平垫圈的状态。因此，通过训练完成的第二检测模型能够准确定目标平垫圈的状态，大大增加了对超小目标检测准确度。大大增加了对超小目标检测准确度。大大增加了对超小目标检测准确度。

【技术实现步骤摘要】
输电线路的检测方法、装置、计算机设备、存储介质


[0001]本申请涉及图像检测
，特别是涉及一种输电线路的检测方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着电力系统的高速发展，输电线路的规模也越来越大。为了固定和支持输电线路，常常采用大量的悬垂线夹来固定输电线路。其中，在悬垂线夹连接处需要安装平垫圈等金属部件。
[0003]对于长期暴露在室外的输电线路，一旦受到恶劣环境的危害或者施工人员的疏忽，悬垂线夹上的平垫圈会出现脱落等问题，大大影响了输电线路的正常使用。
[0004]在现有技术中，为了确保输电线路的正常使用，常常通过一个YOLO(you only look once)模型对输电线路中相关零件进行检测。然而，在对超小目标的平垫圈进行检测时，常常会出现大量的漏检和误检的情况，存在对超小目标检测准确度低的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种输电线路的检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种输电线路的检测方法。所述方法包括：
[0007]获取对目标输电线路进行拍摄所得到的待检测图像，所述目标输电线路中包含悬垂线夹和平垫圈；
[0008]通过训练完成的第一检测模型，对所述待检测图像进行悬垂线夹的检测，得到悬垂线夹位置信息，并基于所述悬垂线夹位置信息，从所述待检测图像中划分出包括有悬垂线夹区域的目标图像；
[0009]通过训练完成的第二检测模型，对所述目标图像中位于悬垂线夹区域内的目标平垫圈的状态进行识别，得到所述目标平垫圈的状态。
[0010]第二方面，本申请还提供了一种输电线路的检测装置。所述装置包括：
[0011]获取模块，用于获取对目标输电线路进行拍摄所得到的待检测图像，所述目标输电线路中包含悬垂线夹和平垫圈；
[0012]检测模块，用于通过训练完成的第一检测模型，对所述待检测图像进行悬垂线夹的检测，得到悬垂线夹位置信息，并基于所述悬垂线夹位置信息，从所述待检测图像中划分出包括有悬垂线夹区域的目标图像；
[0013]识别模块，用于通过训练完成的第二检测模型，对所述目标图像中位于悬垂线夹区域内的目标平垫圈的状态进行识别，得到所述目标平垫圈的状态。
[0014]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0015]获取对目标输电线路进行拍摄所得到的待检测图像，所述目标输电线路中包含悬
垂线夹和平垫圈；
[0016]通过训练完成的第一检测模型，对所述待检测图像进行悬垂线夹的检测，得到悬垂线夹位置信息，并基于所述悬垂线夹位置信息，从所述待检测图像中划分出包括有悬垂线夹区域的目标图像；
[0017]通过训练完成的第二检测模型，对所述目标图像中位于悬垂线夹区域内的目标平垫圈的状态进行识别，得到所述目标平垫圈的状态。
[0018]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0019]获取对目标输电线路进行拍摄所得到的待检测图像，所述目标输电线路中包含悬垂线夹和平垫圈；
[0020]通过训练完成的第一检测模型，对所述待检测图像进行悬垂线夹的检测，得到悬垂线夹位置信息，并基于所述悬垂线夹位置信息，从所述待检测图像中划分出包括有悬垂线夹区域的目标图像；
[0021]通过训练完成的第二检测模型，对所述目标图像中位于悬垂线夹区域内的目标平垫圈的状态进行识别，得到所述目标平垫圈的状态。
[0022]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0023]获取对目标输电线路进行拍摄所得到的待检测图像，所述目标输电线路中包含悬垂线夹和平垫圈；
[0024]通过训练完成的第一检测模型，对所述待检测图像进行悬垂线夹的检测，得到悬垂线夹位置信息，并基于所述悬垂线夹位置信息，从所述待检测图像中划分出包括有悬垂线夹区域的目标图像；
[0025]通过训练完成的第二检测模型，对所述目标图像中位于悬垂线夹区域内的目标平垫圈的状态进行识别，得到所述目标平垫圈的状态。
[0026]上述输电线路的检测方法、装置、计算机设备、存储介质和计算机程序产品，通过获取对目标输电线路进行拍摄所得到的待检测图像，该目标输电线路中包含悬垂线夹和平垫圈。通过训练完成的第一检测模型，对该待检测图像进行悬垂线夹的检测，得到悬垂线夹位置信息，并基于该悬垂线夹位置信息，从该待检测图像中划分出包括有悬垂线夹区域的目标图像。这样，基于训练完成的第一检测模型，可以将待检测图像所对应的区域精准定位到悬垂线夹区域，降低了与悬垂线夹无关的图像信息，进一步突出了悬垂线夹所在区域的图像信息。通过训练完成的第二检测模型，对该目标图像中位于悬垂线夹区域内的目标平垫圈的状态进行识别，得到该目标平垫圈的状态。因此，通过训练完成的第二检测模型对包括有悬垂线夹区域的目标图像进行检测，能够快速且精准的确定悬垂线夹区域中的目标平垫圈，并能够准确识别出目标平垫圈的状态，从而，大大增加了对超小目标检测准确度。
附图说明
[0027]图1为一个实施例中输电线路的检测方法的应用环境图；
[0028]图2为一个实施例中输电线路的检测方法的流程示意图；
[0029]图3为另一个实施例中输电线路的检测方法的流程示意图；
[0030]图4为一个实施例中确定预训练好的第一检测模型步骤的流程示意图；
[0031]图5为一个实施例中确定预训练好的第二检测模型步骤的流程示意图；
[0032]图6为一个实施例中确定叠加训练步骤的流程示意图；
[0033]图7为另一个实施例中输电线路的检测方法的流程示意图；
[0034]图8为一个实施例中输电线路的检测装置的结构框图；
[0035]图9为另一个实施例中输电线路的检测装置的结构框图；
[0036]图10为一个实施例中计算机设备的内部结构图。
具体实施方式
[0037]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0038]本申请实施例提供的输电线路的检测方法，可以应用于如图1所示的应用环境中。其中，无人机102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。无人机102将拍摄的待检测的图像发送至服务器104，服务器104获取对目标输电线路进行拍摄所得到的待检测图像，该目标输电线路中包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电线路的检测方法，其特征在于，所述方法包括：获取对目标输电线路进行拍摄所得到的待检测图像，所述目标输电线路中包含悬垂线夹和平垫圈；通过训练完成的第一检测模型，对所述待检测图像进行悬垂线夹的检测，得到悬垂线夹位置信息，并基于所述悬垂线夹位置信息，从所述待检测图像中划分出包括有悬垂线夹区域的目标图像；通过训练完成的第二检测模型，对所述目标图像中位于悬垂线夹区域内的目标平垫圈的状态进行识别，得到所述目标平垫圈的状态。2.根据权利要求1所述的方法，其特征在于，所述方法包括：获取输电线路的多个样本图像，对于每个样本图像，将相应样本图像中样本悬垂线夹的样本位置、以及样本平垫圈的样本状态，均进行标注，得到由多个样本标注图像组成的第一数据集；基于所述第一数据集中的多个样本标注图像，通过对多个样本标注图像中的样本悬垂线夹的尺寸进行聚类，确定悬垂线夹的多个滑动窗口，并通过对多个样本标注图像中的样本平垫圈的尺寸进行聚类，确定平垫圈的多个滑动窗口；基于所述悬垂线夹的多个滑动窗口，构建初始第一检测模型，并基于所述第一数据集对所述初始第一检测模型进行预训练，得到预训练好的第一检测模型；基于所述平垫圈的多个滑动窗口，构建初始第二检测模型，并对所述第一数据集进行图像裁剪处理，得到第二数据集，并基于所述第二数据集，对所述初始第二检测模型进行训练，得到预训练好的第二检测模型；从所述第二数据集中获取第二验证集，并基于所述第二验证集，对预训练好的第一检测模型、以及预训练好的第二检测模型进行叠加训练，得到训练完成的第一检测模型和训练完成的第二检测模型。3.根据权利要求2所述的方法，其特征在于，所述第一数据集由第一训练集、第一测试集、以及第一验证集组成，所述基于所述第一数据集对所述初始第一检测模型进行预训练，得到预训练好的第一检测模型，包括：基于所述第一训练集中的多个第一训练样本标注图像，对所述初始第一检测模型进行预训练，得到当前周期下的待测试的第一检测模型，并基于所述第一测试集，对所述待测试的第一检测模型进行测试，得到多个测试样本悬垂线夹的理论测试位置；基于所述第一测试集中多个第一测试样本标注图像，确定多个测试样本悬垂线夹的实际测试位置，并基于所述多个测试样本悬垂线夹的实际测试位置、所述多个测试样本悬垂线夹的理论测试位置，得到多个第一测试评价指标结果，所述第一测试评价指标结果包括第一测试召回率、第一测试准确度、以及第一测试平均准确率；基于所述多个第一测试评价指标结果，对所述待测试的第一检测模型的参数进行调整，进入下一周期的循环迭代，并返回至基于所述第一测试集，对所述待测试的第一检测模型进行测试的步骤继续执行，直至多个第一测试评价指标结果均满足指标条件，则确定与当前周期对应的待测试的第一检测模型为第一中间检测模型，并将当前周期下的多个第一测试评价指标结果作为相应评价指标的第一目标评价阈值；通过所述第一中间检测模型对第一验证集进行处理，得到多个第一验证评价指标结
果，若所述每个第一验证评价指标结果均与相应评价指标的第一目标评价阈值相匹配，则确定第一中间检测模型为预训练好的第一检测模型。4.根据权利要求2所述的方法，其特征在于，所述第二数据集包含第二训练集、第二测试集、以及第二验证集，所述基于所述第二数据集，对所述初始第二检测模型进行训练，得到预训练好的第二检测模型，包括：基于所述第二训练集中的多个第二训练样本标注图像，对所述初始第二检测模型进行预训练，得到当前周期下待测试的第二检测模型，并基于所述第二测试集，对所述待测试的第二检测模型进行测试，得到多个测试样本平垫圈的理论测试状态；基于所...

【专利技术属性】
技术研发人员：翟瑞聪，纪涵，汪勇，王士贤，张嘉伟，叶广贤，
申请(专利权)人：南方电网通用航空服务有限公司，
类型：发明
国别省市：