一种瓷绝缘子及金具无人机红外巡检图像融合分割方法技术

本发明专利技术提供一种瓷绝缘子及金具无人机红外巡检图像融合分割方法，方法包括以下具体步骤：获取瓷绝缘子及金具红外图像，制作数据集；使用改进轻量级网络提取特征，通过改进瓶颈层减少计算量；将数据集送入模型训练；结合经典算法，对模型智能识别的图像二值化与形态学处理；将原图灰度化、二值化、滤波后与步骤四图像融合。融合。融合。

【技术实现步骤摘要】
一种瓷绝缘子及金具无人机红外巡检图像融合分割方法


[0001]本专利技术涉及瓷绝缘子及金具红外检测
，具体是基于轻量级神经网络智能识别与经典算法相结合的图像融合，适用于复杂背景下瓷绝缘子及金具的红外图像分割方法。

技术介绍

[0002]绝缘子是一种常见的输电线路关键部件，在发输变配电系统中广泛使用；由于暴露在室外复杂环境下长期运行，绝缘子串受到机械载荷、过电压、冰雹、鸟粪、酸雨、雾天、雷电冲击、盐碱度等多种复杂因素的影响，绝缘子的机械性能与电气性能会逐渐下降，进而出现缺陷；缺陷绝缘子无法承受正常的机电负载，导致局部发热、放电、纵向绝缘击穿、炸裂等现象，不利于电力系统安全稳定运行。
[0003]目前，绝缘子缺陷检测手段种类较多，主要有电压分布法、绝缘电阻法、泄漏电流法、红外热像法、超声波法、紫外成像法等；其中，最常用的非接触带电检测方法是利用手持或机载红外热像仪进行巡检的红外热像法，具有效率高、安全风险小、成本低等优势。
[0004]在输电线路设备检修现场，通常的红外检测手段为无人机搭载设备拍摄目标的红外图像，提取图像中的温度，通过温度矩阵诊断判据确定缺陷绝缘子；但现有的瓷绝缘子及金具红外检测经典算法，其检测受限于良好背景红外图像，复杂背景如有钢塔、导线等物体则难以检测；而基于复杂神经网络的智能算法，其检测受限于算力和能耗影响，无人机前端设备难以实时检测。

技术实现思路

[0005]专利技术目的：在于提供一种瓷绝缘子及金具无人机红外巡检图像融合分割方法，该方法可以解决复杂背景下瓷绝缘子及金具现场红外检测
的难题，提高瓷绝缘子及金具现场检测准确率和效率。
[0006]技术方案：本专利技术与现有的红外图像处理技术相比，本专利技术创造性地提出了应用于复杂背景的红外图像瓷绝缘子分割与对单个铁帽、金具分割方法，具有较高的技术先进性和广泛适用性。
附图说明
[0007]附图1是本专利技术的方法流程图；附图2是案例轻量级主干网络原瓶颈层结构图；附图3是案例修改后瓶颈层结构图；附图4是案例1
×
1卷积原理图；附图5是案例3
×
3深度可分离卷积原理图；附图6是案例模型分割瓷绝缘子铁帽及金具效果图；附图7是案例瓷绝缘子及金具二值图；
附图8是案例图像融合图。
具体实施方式
[0008]下面将根据本专利技术实例中的附图，对本专利技术实例中的技术方案进行完整、清楚的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0009]如附图1所示，本专利技术中提供的一种高压瓷绝缘子及金具红外图像融合分割方法，具体包括以下步骤：步骤一：获取瓷绝缘子及金具红外图像，制作数据集；步骤二：使用改进轻量级网络提取特征；步骤三：将数据集送入模型训练；步骤四：对模型智能识别的图像二值化与形态学处理；步骤五：将原图灰度化、二值化、滤波后与步骤四图像融合；具体过程如下：(1)获得瓷绝缘子及金具红外图像后，使用工具将铁帽及金具标注后保存；
①
标注时沿着目标轮廓，标注完成保存图片名称、标签名称、位置坐标信息；
②
解析
①
保存信息，不同文件夹下保存原图调整尺寸后的图像与标签图像；
③
标签为灰度图，每种标注的类别对应一个像素值；(2)修改特征提取轻量级网络的瓶颈层；本例使用改进MobileNetv2轻量级网络作为主干网络，图像输入通道为h的原瓶颈层计算量为，本文瓶颈层计算量为，在计算速度有着明显优势，适用于设备算力少的情况下检测，修改瓶颈层如下（修改前后附图2、3）：
①
将输入进来图像进行1
×
1卷积降维、标准化、激活函数，压缩通道数；降维公式如下 (1)（2）（3）（4）（5）RGB三通道数按一定权重形成新的通道，再将新通道叠加，即可压缩或增加通道数（附图4）；标准化公式如下： (6) (7)
(8)(9) 为数据x均值，为x方差，为归一化，为极小值，、为数据缩放和平移参数；激活函数公式如下： (10)
②
进行步长为1的3
×
3深度可分离卷积（附图5）、标准化、激活函数；深度可分离卷积公式如下：(11) 为特征图像素值，为卷积矩阵，为卷积后特征图；
③
将
①
、
②
特征图堆叠、标准化，得到和原图一样的通道数的特征图；
④
再与残差边堆叠，最后输出，如果
②
步长不为1，则没有残差边堆叠，直接输出，残差边为未处理原图；(3)将调整后图像与标签文件送入搭建好模型中进行训练；本例模型使用的的是DeeplabV3+，数据集送入模型，设置参数、进行4次下采样、划分训练集与测试集、打印训练信息、保存权重文件，训练完成后利用权重文件进行预测；(4)将图像送入训练完成的模型检测，对输出结果进行二值化（附图6）与形态学操作；
①
将图像送入模型检测后得到被标注分割的图像，对该输出结果图像阀值二值化，公式如下：(12)Gray为像素灰度值；
②
对二值图进行腐蚀、膨胀操作，清除目标物周围孤立像素点和面积小于阀值被误识别的目标；(5)对原图灰度化、二值化、滤波后与(4)处理结果进行图像融合；
①
加权平均灰度化公式如下： (13)
②
自适应中值滤波公式如下：(14)在滤波窗口范围内的灰度值，为中值、为最小值、为最大值、为坐标(x,y)像素值；
③
将处理后图像与(4)结果进行融合（附图8），公式如下：(15)Old1、Old2为融合前像素值，Fuse为融合后像素值。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明中提供的一种瓷绝缘子及金具无人机红外巡检图像融合分割方法，其特征在于，具体包括以下步骤：步骤一：获取瓷绝缘子及金具红外图像，制作数据集；步骤二：使用改进轻量级网络提取特征；步骤三：将数据集送入模型训练；步骤四：对模型智能识别的图像二值化与形态学处理；步骤五：将原图灰度化、二值化、滤波后与步骤四图像融合。2.根据权利要求1所述的一种瓷绝缘子及金具无人机红外巡检图像融合分割方法，其特征在于，所述获取瓷绝缘子及金具红外图像，制作数据集包括：（1）本发明所述红外图像包括瓷绝缘子及金具主体特征；（2）红外图像中瓷绝缘子及金具对象特征不应被钢塔或者其他设备遮挡；（3）原图调整尺寸后图像与标签图像在两个文件夹下。3.根据权利要求1所述的一种瓷绝缘子及金具无人机红外巡检图像融合分割方法，其特征在于，所述使用改进轻量级网络提取特征包括：（1）本发明所述改进瓶颈层替换原轻量级网络瓶颈层；（2）本发明所述改进瓶颈层由说明书所述附图提供。4.根据权利要求1所...

【专利技术属性】
技术研发人员：周学明，姚尧，吴昊天，张江华，邱堂胤，潘永强，李庆明，尹骏刚，
申请(专利权)人：湖南湖大华龙电气与信息技术有限公司，
类型：发明
国别省市：