一种基于深度学习的快速绝缘子缺陷检测方法及其系统技术方案

本申请提供一种基于深度学习的快速绝缘子缺陷检测方法及其系统，属于计算机技术领域，该方法包括：获取待检测绝缘子图像；基于预先训练的绝缘子分割模型，对待检测绝缘子图像中的绝缘子进行分割，输出绝缘子分割效果图；将绝缘子分割效果图输入到预先训练的绝缘子缺陷检测模型中，对绝缘子进行缺陷检测，输出绝缘子缺陷检测结果。本申请在保证检测精度的同时有效提高绝缘子缺陷检测速度。同时有效提高绝缘子缺陷检测速度。同时有效提高绝缘子缺陷检测速度。

【技术实现步骤摘要】
一种基于深度学习的快速绝缘子缺陷检测方法及其系统


[0001]本申请涉及计算机
，尤其涉及一种基于深度学习的快速绝缘子缺陷检测方法及其系统。

技术介绍

[0002]作为高压输电线路中的重要组成部分，绝缘子监测对于电力系统的安全稳定至关重要，由于其在电气绝缘和机械支撑方面的作用，绝缘子元件的损坏会直接导致输电线路中断，进而严重影响输电线路的正常运行。因此，预防绝缘子缺陷是电力公司的首要任务。此外，现代电网通常具有更复杂的互联拓扑结构，在早期阶段检测设备的潜在故障是很有必要的，以防止永久故障的发生。
[0003]在现有相关研究中，传统的绝缘子缺陷检测方法采用了纹理特征、检测特征等手段。例如，现有技术中提出了一种利用半局域算子构造轮廓模型来提取绝缘子纹理特征的方法(Q.G.Wu and J.B.An,“An active contour model based on texture distribution for extracting inhomogeneous insulators from aerial images,”IEEE 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的快速绝缘子缺陷检测方法，其特征在于，该方法包括：获取待检测绝缘子图像；基于预先训练的绝缘子分割模型，对待检测绝缘子图像中的绝缘子进行分割，输出绝缘子分割效果图；将绝缘子分割效果图输入到预先训练的绝缘子缺陷检测模型中，对绝缘子进行缺陷检测，输出绝缘子缺陷检测结果。2.根据权利要求1所述的基于深度学习的快速绝缘子缺陷检测方法，其特征在于，绝缘子分割模型的训练方法包括如下步骤：将标准数据集输入到金字塔场景解析网络模型中进行预训练，获得预训练模型；将被标注过的绝缘子图像输入到预训练后的金字塔场景解析网络模型中进一步训练参数，获得绝缘子分割模型。3.根据权利要求2所述的基于深度学习的快速绝缘子缺陷检测方法，其特征在于，将被标注过的绝缘子图像输入到预训练后的金字塔场景解析网络模型中进一步训练参数，获得绝缘子分割模型的方法包括：收集绝缘子图像，并将绝缘子图像进行绝缘子轮廓标注，生成相应的标签，获得绝缘子数据集，将绝缘子数据集分成训练集、验证集和测试集；将训练集和验证集输入到预训练后的金字塔场景解析网络模型中，优化调整金字塔场景解析网络模型的参数，并计算损失函数，输出损失函数和金字塔场景解析网络模型的权重；将输出的权重引入金字塔场景解析网络模型中，作为绝缘子分割模型，用于对待检测绝缘子图像中的绝缘子进行分割。4.根据权利要求1所述的基于深度学习的快速绝缘子缺陷检测方法，其特征在于，对待检测绝缘子图像中的绝缘子进行分割包括如下子步骤：利用主干残差网络对待检测绝缘子图像中的绝缘子进行特征提取，获得基础特征层；利用金字塔池化模块，对基础特征层进行加强特征提取，获取加强特征层；将加强特征层融合待检测绝缘子图像中不同区域的上下文信息，生成全局特征层；将基础特征层和全局特征层进行聚合，获得包含丰富语义信息的绝缘子图像特征层；对绝缘子图像特征层中的每个像素进行分类进而获得绝缘子分割结果，输出绝缘子分割效果图。5.根据权利要求1所述的基于深度学习的快速绝缘子缺陷检测方法，其特征在于，绝缘子缺陷检测模型对绝缘子进行缺陷检测的方法包括如下步骤：将绝缘子分割效果图输入缺陷检测主干网络中进行基础特征提取，获取缺陷检测基础特征层；从缺陷检测基础特征层中获取预测结果；对预测结果进行解码处理和非极大值抑制处理，生成最终的缺陷检测结果。6.根据权利要求5所述的基于深度学习的快速绝缘子缺陷检测方法，其特征在于，从缺陷检测基础特征层中获取预测结果的方方法包括：从缺陷检测基础特征层中提取六个特征层作为有效特征层；对提取的每个有效特征层进行num_anchors
×
4的卷积运算；其中，num_anchors
×
4中
的num_anchors表示该有效特征层每个特征点所拥有的先验框数量；4表示x_offset、y_offset、h和w四个参数的调整情况；x_offset表示...

【专利技术属性】
技术研发人员：张颖慧，候静，王文武，
申请(专利权)人：内蒙古大学，
类型：发明
国别省市：