输电线路检查方法、装置及非易失性存储介质制造方法及图纸

本发明专利技术公开了一种输电线路检查方法、装置及非易失性存储介质。其中，该方法包括：获取无人机拍摄的输电塔杆图像；将输电塔杆图像输入缺陷检测模型，由缺陷检测模型输出输电塔杆图像中的缺陷，其中，缺陷检测模型为采用训练样本集预先训练的TPH

【技术实现步骤摘要】
输电线路检查方法、装置及非易失性存储介质


[0001]本专利技术涉及电网巡检领域，具体而言，涉及一种输电线路检查方法、装置及非易失性存储介质。

技术介绍

[0002]输电线路检查一直是线路信息采集的重要作业方式之一，相较于以往的人工操控，无人机自动检查有着运作精准、巡视精细、行动高效等优势，在飞行过程中可以减少拍摄角度调整，确保飞行速度处于稳定控制中，能够大大减少人为误操作的概率，工作人员只需要简单的培训学习便可以上手，在降低操作难度的同时还保障了安全性。
[0003]无人机捕获场景下的输电线路缺陷的自主识别是近年来的热门任务。由于无人机在不同的高度进行导航，目标比例变化剧烈，给网络优化带来了很大的负担。此外，高速低空飞行会对密集堆积的物体产生运动模糊，对物体区分带来很大的挑战。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种输电线路检查方法、装置及非易失性存储介质，以至少解决无人机航拍情况下输电线路缺陷难以准确识别的技术问题。<br/>[0006]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电线路检查方法，其特征在于，包括：获取无人机拍摄的输电塔杆图像；将所述输电塔杆图像输入缺陷检测模型，由所述缺陷检测模型输出所述输电塔杆图像中的缺陷，其中，所述缺陷检测模型为采用训练样本集预先训练的TPH
‑
YOLOv5目标检测模型，所述训练样本集包括多张输电塔杆的样本图像以及与所述多张样本图像对应的缺陷标注。2.根据权利要求1所述的方法，其特征在于，所述缺陷检测模型，包括：骨干网络，Neck网络和检测头，其中，所述检测头包括用于微小物体检测的Transformer预测头。3.根据权利要求2所述的方法，其特征在于，所述缺陷检测模型包括：卷积块注意力模块CBAM，其中，所述CBAM用于进行特征提取，并将提取到的特征给到所述检测头。4.根据权利要求2所述的方法，其特征在于，所述骨干网络包括：CSPDarknet53；所述Neck网络包括：PANet。5.根据权利要求1所述的方法，其特征在于，在所述将所述输电塔杆图像输入缺陷检测模型之前，还包括：获取原始样本图像，其中，所述原始样本图像中包括存在缺陷的输电塔干；采用数据增强方法处理所述原始样本图像，得到所述多张样本图像；获取所述多张样本图像各自对应的缺陷标注，得到所述训练样本集；采用所述训练样本集训练原始目标检测...

【专利技术属性】
技术研发人员：谭磊，杜觉晓，赵留学，齐伟强，李华，张潇，莽修伟，马立博，焦政国，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：