【技术实现步骤摘要】
基于改进YOLOX算法的输电线路耐张线夹缺陷检测方法
[0001]本专利技术属于输电线路
,具体涉及基于改进YOLOX算法的输电线路耐张线夹缺陷检测方法。
技术介绍
[0002]耐张线夹作为输电线路重要的组成部分,不仅需要承担线路所有的张力,而且作为导流载体。若耐张线夹因自身缺陷而导致输电线路的故障,轻则减少输电设备的使用寿命,重则发生断线事故,从而引起大规模停电,造成巨大的经济损失。因此耐张线夹必需要拥有良好的工作状态。然而在实际情况中,输电线路跨度大、范围广,所处地段环境气候较差,线路直接裸露在空气中,酸雨、冰雪等恶劣环境极易对线路中耐张线夹产生损伤,需要对耐张线夹的工作状态进行定期检测。对于耐张线夹的一些外部缺陷,例如耐张线夹股裂、引流处铝管拉裂以及引流板变型等可以通过视觉直接检测,但对于耐张线夹内部缺陷,无法通过视觉直接检测。
[0003]利用X光对金具内部缺陷进行无损检测,已成功的运用到耐张线夹的缺陷检测中,可将被测物体信息反应在成像板中,通过分析成像板图像,便可得知被测物体内部状况,因此可作为耐张线夹无损探伤的工具。由于耐张线夹内部缺陷复杂,一个耐张线夹可能存在多种缺陷,依靠巡检人员直接判别耐张线夹X光图像缺陷具有工作量大、效率低以及成本高等缺点。采用图像缺陷检测技术对耐张线夹X光图像进行缺陷检测,可以做到准确、高效的识别耐张线夹缺陷的种类及所处位置。
技术实现思路
[0004]针对现有耐张线夹缺陷检测的不足,本专利技术旨在提供一种基于改进YOLOX算法的输电线路耐张线夹缺陷 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进YOLOX算法的输电线路耐张线夹缺陷检测方法,其特征在于,包括如下步骤:S1、构建输电线路耐张线夹X光图像数据集:在停电状态下,检测人员采用脉冲式射线机对输电线路耐张线夹进行X光成像,构建含有A区漏压、A区欠压、过压、钢锚弯曲、钢锚飞边以及C区漏压6类缺陷的耐张线夹X光图像数据集,并按8:1:1分为训练集、验证集与测试集;设计一个由高斯滤波、直方图均衡化以及伽马校正三个步骤依次构成的图像特征增强模块,以输电线路耐张线夹的X光图像作为输入,调整图像特征增强模块参数,获得预处理后的耐张线夹X光图像;S2、构建由主干特征提取网络CSPDarknet
‑
L、特征融合网络PANet以及分类预测网络YOLO Head三个部分组成的改进YOLOX算法的耐张线夹X光图像缺陷检测模型:利用Focus、CBS、Resblock bodyi,其中i=0、1、2、3、4,以及SPPBottleneck模块构建主干特征提取网络CSPDarknet
‑
L;在主干特征提取网络CSPDarknet
‑
L与特征融合网络PANet之间加入CBAM注意力机制;主干特征提取网络CSPDarknet
‑
L的Resblock bodyn,其中n=1、2、3、4,从Resblock bodyn结构中分别引出4个不同尺度大小的初步特征层feat1、feat2、feat3、feat4,输入特征融合网络PANet进行特征融合;将特征融合后的4个增强特征层输入到4个YOLO Head中进行分类预测,以实现对耐张线夹X光图像中细微缺陷的检测;S3、训练改进的YOLOX网络模型:将VOC2007数据集按8:1:1分为训练集、验证集与测试集输入到改进后的YOLOX网络模型进行预训练,共训练100轮,取训练损失值最小的预训练权重W1进行迁移学习;将预处理后的耐张线夹X光图像数据集中的训练集结合预训练权重W1进行再训练;再训练分为冻结与解冻两个阶段,第一阶段冻结改进的YOLOX网络模型主干并使用Mosaic数据增强方法迭代训练50次;第二阶段对改进的YOLOX网络模型主干进行解冻,再迭代训练50轮次;S4、利用训练好的改进的YOLOX网络模型对耐张线夹X光图像中缺陷进行检测:再训练结束后获得100组权重,取出损失值最小的权重W2输入到改进后的YOLOX网络模型,并利用测试集图像验证改进后的YOLOX网络模型的缺陷检测效果。2.根据权利要求1所述的一种基于改进YOLOX算法的输电线路耐张线夹缺陷检测方法,其特征在于,所述步骤S1中的缺陷定义,具体包括A区漏压:铝管和凹槽未被压接;A区欠压:是指铝管和凹槽未被完全压接,之间留有缝隙;过压:是指压接过度,致使非压区受到压接;钢锚弯曲:是指钢锚受到外力导致变形;钢锚飞边:是指钢锚表面存在裂纹;C区漏压:是指C区压接不完全或者未被压接。3.根据权利要求1所述的一种基于改进YOLOX算法的输电线路耐张线夹缺陷检测方法,其特征在于,所述步骤S1中图像特征增强模块是先经过高斯函数对图像卷积核进行滤波降噪,再由直方图均衡化改变像素的灰度,调节图像曝光,最后利用伽马校正调节目标与背景的对比度。4.根据权利要求1所述的一种基于改进YOLOX算法的输电线路耐张线夹缺陷检测方法,其特征在于,所述步骤S2中利用Focus、CBS、Resblock bodyi,其中i=0、1、2、3、4,以及SPPBottleneck模块构建主干特征提取网络CSPDarknet
‑
L,其具体操作包括:S2.1、利用普通卷积Conv、标准化BN以及SiLU激活函数构建CBS模块,将残差块拆分为主干部分和大残差边shortconv两部分构建CSPLayer结构,采用CBS与CSPLayer结构构建
Resblock body结构,SPP...
【专利技术属性】
技术研发人员:邱志斌,李俊轩,周志彪,张润,童志鹏,
申请(专利权)人:南昌大学,
类型:发明
国别省市:
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。