一种电塔插销检测方法技术

本发明专利技术公开了一种电塔插销检测方法。为了克服现有技术无法准确检测插销是否脱落的问题，本发明专利技术包括：建立数据库，利用Yolo V5模型进行连接处检测，利用Fast RCNN模型检测螺栓位置及插销的存在，利用canny算子进行边缘提取，计算边缘曲线曲率判断插销是否脱落。可以提高检测的准确度；先对连接处进行识别，对连接处进行插销检测，减小了检测区域，提高了检测速度。测速度。测速度。

【技术实现步骤摘要】
一种电塔插销检测方法


[0001]本专利技术涉及深度学习中目标检测
，尤其涉及一种电塔插销检测方法。

技术介绍

[0002]近年来，无人机巡检在电力行业广泛应用，尤其在作业人员不便于作业的区域，无人机发挥着极大的作用。线路巡检是电力行业中重要的工作之一，当前多采用无人机进行巡检，无人机在线路检测中的目标包括但不限于防震锤缺失锈蚀、异物、绝缘子瓶破损等，插销缺失检测是当前检测难点之一，难以判断的主要原因是相对电塔、绝缘子瓶和异物等，插销小且多，在无人机采集图像的过程中，无法顾及所有插销的位置，且在采集到的图像中，会因为采集角度的问题，给判断插销是否缺失带来困难。
[0003]当前非常受欢迎的深度学习算法在插销检测过程中，并不能够很好的发挥作用，主要原因还是插销相对电塔微小且位置复杂。为进一步提高无人机巡检的准确率，提高电塔插销检测准确率，寻找更为合适的插销检测方法十分重要。
[0004]现在的一些技术中利用FasterRCNN模型对目标图像进行检测插销的脱落，然而由于拍摄角度、反光等条件的限制，并不能很准确的判断插销是否真的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电塔插销检测方法，其特征在于，包括以下步骤：A1：利用无人机采集的电塔图像建立数据库；A2：利用Yolo V5模型进行连接处检测；A3：利用Fast RCNN模型检测螺栓位置及插销的存在；A4：对步骤A3中检测出插销脱落以及无法检测插销脱落的螺栓上的插销进行边缘提取；A5：计算边缘曲线的平均曲率，判断插销的存在。2.根据权利要求1所述的一种电塔插销检测方法，其特征在于，采集2000～3000个电塔图像建立数据库。3.根据权利要求1所述的一种电塔插销检测方法，其特征在于，所述步骤A2中的利用Yolo V5模型进行连接处检测包括如下步骤：A21：将数据库中的数据集分为训练集、验证集和测试集；A22：利用训练集和验证集对Yolo V5网络进行训练，获取基于Yolo V5网络的检测模型和权重文件；A23：利用训练后的Yolo V5检测模型对所述测试集进行检测。4.根据权利要求1所述的一种电塔插销检测方法，其特征在于，所述步骤A3中利用Fast RCNN模型检测螺栓位置及插销的存在包括以下...

【专利技术属性】
技术研发人员：司海涛，张小龙，徐小峰，章华，田仲旭，
申请(专利权)人：国网浙江省电力有限公司龙游县供电公司，
类型：发明
国别省市：