一种基于边缘计算的输电线路故障实时检测方法技术

一种基于边缘计算的输电线路故障实时检测方法，包括以下步骤：步骤一：获取巡检图像数据集，数据集包含绝缘子自爆、防震锤脱落、鸟巢图像；步骤二：对步骤一得到的巡检图像进行扩充；步骤三：对扩充后的数据集使用LabelImg标注工具进行标注；步骤四：对YOLOv5s基础模型中获取数据特征的卷积操作过程进行改进；步骤五：调整目标框定位损失函数；步骤六：设置图片尺寸，动量项、学习率、批次大小、训练次数、权重衰减正则项，对改进的YOLOv5s模型进行训练；步骤七：将训练好的模型植入边缘设备中，对巡检模糊图像进行故障检测，得到性能评估数值。本发明专利技术提供一种基于边缘计算的输电线路故障实时检测方法，提升故障检测速度和检测精度。提升故障检测速度和检测精度。提升故障检测速度和检测精度。

【技术实现步骤摘要】
一种基于边缘计算的输电线路故障实时检测方法


[0001]本专利技术涉及输电线路故障检测
，特别是一种基于边缘计算的输电线路故障实时检测方法。

技术介绍

[0002]国家电网目前已采用无人机对输电线路中关键故障，如绝缘子自爆、防震锤脱落、鸟巢等进行检测。当前无人机巡检采集的图像数据以导入线下服务器使用卷积神经网络智能分析或人工分析为主，从而延长了检修结果的反馈时间，导致不能现场及时恢复线路正常造成更严重的损失。
[0003]近年来，随着边缘计算以及电力物联网的快速发展，服务趋向边缘节点化，当边缘计算装置与巡检无人机结合后，可在边缘节点进行实时缺陷检测，提高巡检效率。然而，在边缘计算搭配无人机的输电线路巡检实际应用过程中，故障检测算法暴露出检测速度慢、精度易受图像模糊影响等缺点。
[0004]目前应用在边缘计算模块的检测算法主要为速度占优势的单阶段目标检测算法，代表算法YOLOv3、YOLOv4、YOLOv5、SSD等。该类算法无需预先提取候选区域，而是直接对网络进行端到端的训练，相比于双阶段目标检测算法它具有网络结构简单，实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算的输电线路故障实时检测方法，其特征在于，包括以下步骤：步骤一：获取巡检图像数据集，数据集包含绝缘子自爆、防震锤脱落、鸟巢图像；步骤二：对步骤一得到的巡检图像进行扩充；步骤三：对扩充后的数据集使用LabelImg标注工具进行标注；步骤四：对YOLOv5s基础模型中获取数据特征的卷积操作过程进行改进；步骤五：调整目标框定位损失函数；步骤六：设置图片尺寸，动量项、学习率、批次大小、训练次数、权重衰减正则项，对改进的YOLOv5s模型进行训练；步骤七：将训练好的模型植入边缘设备中，对巡检模糊图像进行故障检测，得到性能评估数值。2.根据权利要求1所述一种基于边缘计算的输电线路故障实时检测方法，其特征在于，所述步骤二中为了防止后续的模型训练出现过拟合，影响故障检测效果，对样本做了以下数据增强：影视分割、马赛克处理、随机镜像、随机旋转来产生相似但又有不同的训练样本，从而扩大训练数据集的规模，提高模型训练后的泛化能力。3.根据权利要求1所述一种基于边缘计算的输电线路故障实时检测方法，其特征在于，所述步骤四中获取数据特征的卷积操作过程进行改进使用的是Ghsot模块技术，获取需要的n个特征图具体步骤如下：1)先通过有限的常规卷积得到m个特征图Y'：Y'＝X*ω'+b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中Y'表示输出为m个高度和宽度分别为h'和w'的特征图，卷积滤波器为ω'，*代表卷积操作，b是偏差项，m≤n。卷积核大小、步长、空间大小等参数与常规卷积一致。2)为了得到一共需要的n个特征图，使用一系列简单线性计算在特征图Y'的基础上生成的s个特征：y
i,j
＝Φ
i,j
(y
i
')，i∈[1,m],j∈[1,s]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中y
i
'代...

【专利技术属性】
技术研发人员：黄悦华，陈照源，陈庆，刘恒冲，陈晨，
申请(专利权)人：三峡大学，
类型：发明
国别省市：