一种基于无人机航拍巡检杆塔部位缺陷的识别方法技术

本发明专利技术公开了一种基于无人机航拍巡检杆塔部位缺陷的识别方法，包括如下步骤：步骤一，收集多种环境下多种航拍高度及各个航拍角度的杆塔部位的图像数据，整理收集杆塔部位含有缺陷的图像数据；步骤二，对含有缺陷的图像数据进行图像预处理；步骤三，对图像预处理后的图像数据进行区域建议处理得到建议特征图；步骤四，根据建议特征图输出图像缺陷类型和定位信息。本发明专利技术辅助人工筛选杆塔缺陷，提高缺陷分析效率以及质量。分析效率以及质量。分析效率以及质量。

【技术实现步骤摘要】
一种基于无人机航拍巡检杆塔部位缺陷的识别方法


[0001]本专利技术涉及无人机
，具体涉及一种基于无人机航拍巡检杆塔部位缺陷的识别方法。

技术介绍

[0002]随着计算机视觉技术的成熟和人工智能技术的兴起，无人机在电力行业的使用范围已经越来越广发，尤其是在杆塔精细化方面，无人机巡检已经成为了主要的巡检方式。与此同时，无人机航拍的图像数量在不断大量增加，数以亿计。若仍然完全依靠人工实现输电线路上杆塔部位缺陷的检测，无论是对人力还是物力都将是一个巨大的挑战，而且很难保证准确性和及时性。因此采用图像目标检测技术来实现对杆塔部位等的异常检测来辅助人为检测已经成为未来巡检发展的必然趋势。

技术实现思路

[0003]针对现有技术的不足，本专利技术提供了一种基于无人机航拍巡检杆塔部位缺陷的识别方法，辅助人工筛选杆塔缺陷，提高缺陷分析效率以及质量。
[0004]为实现上述目的，本专利技术采用的技术方案如下：
[0005]一种基于无人机航拍巡检杆塔部位缺陷的识别方法，包括如下步骤：
[0006]步骤一，收集多种环境下多种航拍高度及各个航拍角度的杆塔部位的图像数据，整理收集杆塔部位含有缺陷的图像数据；
[0007]步骤二，对含有缺陷的图像数据进行图像预处理；
[0008]步骤三，对图像预处理后的图像数据进行区域建议处理得到建议特征图；
[0009]步骤四，根据建议特征图输出图像缺陷类型和定位信息。
[0010]进一步的，所述图像预处理的方法为采用几何变换、添加高斯噪声和椒盐噪声、随机调整亮度和对比度对图像数据进行数据增强。
[0011]再进一步的，所述缺陷类别包括基础、杆塔、导地线、绝缘子、金具、接地装置、通道环境及附属设施。
[0012]再进一步的，所述区域建议处理的方法为在fasterR
‑
CNN基础上采用ResNet
‑
101网络作为含有缺陷的图像数据的主干提取网络，ResNet
‑
101网络的五个阶段最后网络层输出的特征图，记为{C1,C2,C3,C4,C5}；再通过FPN网络自上而下通道以及侧向连接将高层高语意低分辨率特征图与低层低语意高分辨率的特征图进行融合，获得不同尺度兼具高语意与高分辨率的特征图，记为{P2,P3,P4,P5}，将{P2,P3,P4,P5}送入候选区域网络获得建议特征图。
[0013]再进一步的，候选区域网络获得建议特征图的方法为：将一个3
×
3的滑窗置于特征图上进行滑动，在滑窗滑过的位置上以滑窗的中心作为锚点，产生9个锚框，以像素为单位，大小为{1282,2562,5122}，在该三种尺寸的基础上分配{1:2,1:1,2:1}宽高比，通过计算锚框与目标缺陷标注框的IoU值来判断锚框与标注框的重叠度,其计算公式如下:
[0014][0015]其中，IoU数值越大表示重叠度越高,最大值为1,取IOU>0.7的锚框作为区域建议框，将区域建议框和特征图{P2,P3,P4,P5}输入到池化感兴趣区域，得到建议特征图。
[0016]与现有技术相比，本专利技术具有以下有益效果：
[0017]本专利技术辅助人工筛选杆塔缺陷，分担了大部分人工寻找缺陷的任务，降低了寻找缺陷的困难以及人为错误，能够有效的节约人工成本，提高缺陷分析效率以及质量。
附图说明
[0018]图1为本专利技术实施例的ResNet
‑
101网络逻辑图。
[0019]图2为本专利技术实施例的ResNet
‑
101五个阶段特征提取过程图。
[0020]图3为本专利技术实施例的锚框效果图。
[0021]图4本专利技术实施例的全连接层输出分类和识别的结果示意图。
[0022]图5本专利技术实施例的机巢边缘计算盒逻辑示意图。
[0023]图6本专利技术实施例的在小金具上的检测效果示意图。
具体实施方式
[0024]为使本申请的目的、技术方案和优点更为清楚，下面结合附图和实施例对本专利技术作进一步说明，本专利技术的实施方式包括但不限于下列实施例。
[0025]如图1～5所示，本实施例提供了一种基于无人机航拍巡检杆塔部位缺陷的识别方法，需要说明的是，本实施例中的“第一”、“第二”、“第三”等序号用语仅用于区分同类部件，不能理解成对保护范围的特定限定。另外，本实施例中的“底部”、“顶部”、“侧边缘”等方位用语是基于附图来说明的。
[0026]一种基于无人机航拍巡检杆塔部位缺陷的识别方法，包括如下步骤：
[0027]步骤一，收集多种环境下多种航拍高度及各个航拍角度的杆塔部位的图像数据，整理收集杆塔部位含有缺陷的图像数据；
[0028]步骤二，对含有缺陷的图像数据进行图像预处理；
[0029]步骤三，对图像预处理后的图像数据进行区域建议处理得到建议特征图；
[0030]步骤四，根据建议特征图输出图像缺陷类型和定位信息。
[0031]具体来说，图像预处理的方法为采用几何变换、添加高斯噪声和椒盐噪声、随机调整亮度和对比度对图像数据进行数据增强。缺陷类别包括基础、杆塔、导地线、绝缘子、金具、接地装置、通道环境及附属设施。
[0032]区域建议处理的方法为在fasterR
‑
CNN基础上采用ResNet
‑
101网络作为含有缺陷的图像数据的主干提取网络，ResNet
‑
101网络的五个阶段最后网络层输出的特征图，记为{C1,C2,C3,C4,C5}；再通过FPN网络自上而下通道以及侧向连接将高层高语意低分辨率特征图与低层低语意高分辨率的特征图进行融合，获得不同尺度兼具高语意与高分辨率的特征图，记为{P2,P3,P4,P5}，将{P2,P3,P4,P5}送入候选区域网络获得建议特征图。
[0033]候选区域网络获得建议特征图的方法为：将一个3
×
3的滑窗置于特征图上进行滑动，在滑窗滑过的位置上以滑窗的中心作为锚点，产生9个锚框，以像素为单位，大小为
{1282,2562,5122}，在该三种尺寸的基础上分配{1:2,1:1,2:1}宽高比，通过计算锚框与目标缺陷标注框的IoU值来判断锚框与标注框的重叠度,其计算公式如下:
[0034][0035]其中，IoU数值越大表示重叠度越高,最大值为1,取IOU>0.7的锚框作为区域建议框，将区域建议框和特征图{P2,P3,P4,P5}输入到池化感兴趣区域，得到建议特征，目标缺陷标注框是指人工标注缺陷照片的缺陷标注框。
[0036]以小金具上的检测为例：
[0037]本实施例主要包含了以下：
[0038]步骤一：训练模型
[0039]1.1)：收集杆塔缺陷数据集
[0040]收集多种环境下多种航拍高度各个角度航拍的杆塔部位图像数据，整理数据收集杆塔部位含有缺陷的图像数据
[0041]2.1)：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机航拍巡检杆塔部位缺陷的识别方法，其特征在于：包括如下步骤：步骤一，收集多种环境下多种航拍高度及各个航拍角度的杆塔部位的图像数据，整理收集杆塔部位含有缺陷的图像数据；步骤二，对含有缺陷的图像数据进行图像预处理；步骤三，对图像预处理后的图像数据进行区域建议处理得到建议特征图；步骤四，根据建议特征图输出图像缺陷类型和定位信息。2.根据权利要求1所述的识别方法，其特征在于：所述图像预处理的方法为采用几何变换、添加高斯噪声和椒盐噪声、随机调整亮度和对比度对图像数据进行数据增强。3.根据权利要求2所述的识别方法，其特征在于：所述缺陷类别包括基础、杆塔、导地线、绝缘子、金具、接地装置、通道环境及附属设施。4.根据权利要求3所述的识别方法，其特征在于：所述区域建议处理的方法为在fasterR
‑
CNN基础上采用ResNet
‑
101网络作为含有缺陷的图像数据的主干提取网络，ResNet
‑
101网络的五个阶...

【专利技术属性】
技术研发人员：黄小青，胡延宝，
申请(专利权)人：中飞赛维智能科技股份有限公司，
类型：发明
国别省市：