一种配电网工程质量缺陷检测方法及装置制造方法及图纸

本发明专利技术涉及配网工程建设场景技术领域，具体提供了一种配电网工程质量缺陷检测方法及装置，包括：获取配网工程现场图像数据；将所述配网工程现场图像数据作为预先构建的轻量化配网工程质量缺陷检测网络的输入，得到所述预先构建的轻量化配网工程质量缺陷检测网络输出的配网工程现场缺陷检测结果；其中，所述预先构建的轻量化配网工程质量缺陷检测网络基于历史配网工程现场图像数据及其对应的缺陷检测结果获取。本发明专利技术提供的技术方案实现了配网工程质量缺陷检测网络轻量化改造，大幅减少配网工程质量缺陷检测网络模型的大小，提高对配网工程施工质量缺陷检测的速度与精度，实现配网工程管控数字化和智能化水平提升。配网工程管控数字化和智能化水平提升。配网工程管控数字化和智能化水平提升。

【技术实现步骤摘要】
一种配电网工程质量缺陷检测方法及装置


[0001]本专利技术涉及配网工程建设场景
，具体涉及一种配电网工程质量缺陷检测方法及装置。

技术介绍

[0002]随着社会经济的快速发展，人们对电力能源的需求日渐增多，也对供电服务水平提出了更高要求。配电网是电力系统到用户的最后一个关键环节，其安全可靠运行至关重要，在数字化新基建的背景下，规模日渐扩大的配网建设工程对数字化、智能化建设能力提出了新的要求。
[0003]将机器视觉中的目标检测技术应用在电力领域的相关研究近年来逐渐增多，但多集中于架空线路销钉缺陷检测、架空线路绝缘子缺陷检测、电厂安全性监控、输电线路异常监测等。配网工程点多面广，受外界环境干扰因素多，存在安全风险防控难、监管难等突出问题，工程缺陷隐患依靠传统的人工识别易出现缺漏，影响对用户的安全可靠供电，目前依托机器视觉等人工智能技术实现对配网工程质量智能化缺陷检测是亟待解决的一个技术难题。

技术实现思路

[0004]为了克服上述缺陷，本专利技术提出了一种配电网工程质量缺陷检测方法及装置。
[0005]第一方面，提供一种配电网工程质量缺陷检测方法，所述配电网工程质量缺陷检测方法包括：
[0006]获取配网工程现场图像数据；
[0007]将所述配网工程现场图像数据作为预先构建的轻量化配网工程质量缺陷检测网络的输入，得到所述预先构建的轻量化配网工程质量缺陷检测网络输出的配网工程现场缺陷检测结果；
[0008]其中，所述预先构建的轻量化配网工程质量缺陷检测网络基于历史配网工程现场图像数据及其对应的缺陷检测结果获取。
[0009]优选的，所述预先构建的轻量化配网工程质量缺陷检测网络的获取过程包括：
[0010]利用历史配网工程现场图像数据及其对应的缺陷检测结果构建训练数据；
[0011]利用所述训练数据对初始YOLOv5网络进行训练，得到所述预先构建的轻量化配网工程质量缺陷检测网络。
[0012]进一步的，所述利用所述训练数据对初始YOLOv5网络进行训练的过程中采用数据增强方法对所述训练数据进行数据增强。
[0013]进一步的，所述数据增强方法包括下述中的至少一种：水平或竖直翻转、平移、旋转、基于色调
‑
饱和度
‑
亮度的彩色图像增强方法、Mixup增强方法、Moasic增强方法。
[0014]进一步的，所述初始YOLOv5网络为改进的YOLOv5网络，其改进之处在于：
[0015]将原始YOLOv5网络中BottleNeck模块的1*1普通卷积单元替换为改进的1*1点卷
积单元，将原始YOLOv5网络中BottleNeck模块的3*3普通卷积单元替换为改进的3*3深度卷积单元；
[0016]其中，所述改进的1*1点卷积单元用于使用1*1卷积核进行点卷积，所述改进的3*3深度卷积单元用于使用3*3卷积核对所述改进的1*1点卷积单元输出的特征进行深度卷积操作，其中，所述改进的1*1点卷积单元输出的特征的每个通道由独立的1个3*3卷积核进行卷积操作。
[0017]进一步的，所述历史配网工程现场图像数据对应的缺陷检测结果的获取过程包括：
[0018]使用Python开源工具包labelimg对历史配网工程现场图像数据中的检测目标进行标记，标记目标为符合工程质量要求与不符合工程质量。
[0019]进一步的，所述对初始YOLOv5网络进行训练的过程中，采用随机梯度下降算法，其中，所述随机梯度下降算法的初始学习率为0.01，所述随机梯度下降算法的优化器权重衰减为0.0005。
[0020]优选的，所述历史配网工程现场图像数据的获取过程包括：
[0021]收集配网工程现场巡检所获得的符合工程质量要求的配网工程图片和不符合工程质量要求的配网工程图片。
[0022]第二方面，提供一种配电网工程质量缺陷检测装置，所述配电网工程质量缺陷检测装置包括：
[0023]获取模块，用于获取配网工程现场图像数据；
[0024]分析模块，用于将所述配网工程现场图像数据作为预先构建的轻量化配网工程质量缺陷检测网络的输入，得到所述预先构建的轻量化配网工程质量缺陷检测网络输出的配网工程现场缺陷检测结果；
[0025]其中，所述预先构建的轻量化配网工程质量缺陷检测网络基于历史配网工程现场图像数据及其对应的缺陷检测结果获取。
[0026]优选的，所述分析模块中预先构建的轻量化配网工程质量缺陷检测网络的获取过程包括：
[0027]利用历史配网工程现场图像数据及其对应的缺陷检测结果构建训练数据；
[0028]利用所述训练数据对初始YOLOv5网络进行训练，得到所述预先构建的轻量化配网工程质量缺陷检测网络。
[0029]进一步的，所述利用所述训练数据对初始YOLOv5网络进行训练的过程中采用数据增强装置对所述训练数据进行数据增强。
[0030]进一步的，所述数据增强装置包括下述中的至少一种：水平或竖直翻转、平移、旋转、基于色调
‑
饱和度
‑
亮度的彩色图像增强装置、Mixup增强装置、Moasic增强装置。
[0031]进一步的，所述初始YOLOv5网络为改进的YOLOv5网络，其改进之处在于：
[0032]将原始YOLOv5网络中BottleNeck模块的1*1普通卷积单元替换为改进的1*1点卷积单元，将原始YOLOv5网络中BottleNeck模块的3*3普通卷积单元替换为改进的3*3深度卷积单元；
[0033]其中，所述改进的1*1点卷积单元用于使用1*1卷积核进行点卷积，所述改进的3*3深度卷积单元用于使用3*3卷积核对所述改进的1*1点卷积单元输出的特征进行深度卷积
操作，其中，所述改进的1*1点卷积单元输出的特征的每个通道由独立的1个3*3卷积核进行卷积操作。
[0034]进一步的，所述历史配网工程现场图像数据对应的缺陷检测结果的获取过程包括：
[0035]使用Python开源工具包labelimg对历史配网工程现场图像数据中的检测目标进行标记，标记目标为符合工程质量要求与不符合工程质量。
[0036]进一步的，所述对初始YOLOv5网络进行训练的过程中，采用随机梯度下降算法，其中，所述随机梯度下降算法的初始学习率为0.01，所述随机梯度下降算法的优化器权重衰减为0.0005。
[0037]优选的，所述历史配网工程现场图像数据的获取过程包括：
[0038]收集配网工程现场巡检所获得的符合工程质量要求的配网工程图片和不符合工程质量要求的配网工程图片。
[0039]第三方面，提供一种计算机设备，包括：一个或多个处理器；
[0040]所述处理器，用于存储一个或多个程序；
[0041]当所述一个或多个程序被所述一个或多个处理器执行时，实现所述的配电网工程质量缺陷检测方法。
[0042]第四方面，提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电网工程质量缺陷检测方法，其特征在于，所述方法包括：获取配网工程现场图像数据；将所述配网工程现场图像数据作为预先构建的轻量化配网工程质量缺陷检测网络的输入，得到所述预先构建的轻量化配网工程质量缺陷检测网络输出的配网工程现场缺陷检测结果；其中，所述预先构建的轻量化配网工程质量缺陷检测网络基于历史配网工程现场图像数据及其对应的缺陷检测结果获取。2.如权利要求1所述的方法，其特征在于，所述预先构建的轻量化配网工程质量缺陷检测网络的获取过程包括：利用历史配网工程现场图像数据及其对应的缺陷检测结果构建训练数据；利用所述训练数据对初始YOLOv5网络进行训练，得到所述预先构建的轻量化配网工程质量缺陷检测网络。3.如权利要求2所述的方法，其特征在于，所述利用所述训练数据对初始YOLOv5网络进行训练的过程中采用数据增强方法对所述训练数据进行数据增强。4.如权利要求3所述的方法，其特征在于，所述数据增强方法包括下述中的至少一种：水平或竖直翻转、平移、旋转、基于色调
‑
饱和度
‑
亮度的彩色图像增强方法、Mixup增强方法、Moasic增强方法。5.如权利要求2所述的方法，其特征在于，所述初始YOLOv5网络为改进的YOLOv5网络，其改进之处在于：将原始YOLOv5网络中BottleNeck模块的1*1普通卷积单元替换为改进的1*1点卷积单元，将原始YOLOv5网络中BottleNeck模块的3*3普通卷积单元替换为改进的3*3深度卷积单元；其中，所述改进的1*1点卷积单元用于使用1*1卷积核进行点卷积，所述改进的3*3深度卷积单元用于使用3*3卷积核对所述改进的1*1点卷积单元输出的特征进行深度卷积操作，其中，所述改进的1*1点卷积单元输出的特征的每个通道由独立的1个3*3卷积核进行卷积操作。6.如权利要求2所述的方法，其特征在于，所述历史配网工程现场图像数据对应的缺陷检测结果的获取过程包括：使用Python开源工具包labelimg对历史配网工程现场图像数据中的检测目标进行标记，标记目标为符合工程质量要求与不符合工程质量。7.如权利要求2所述的方法，其特征在于，所述对初始YOLOv5网络进行训练的过程中，采用随机梯度下降算法，其中，所述随机梯度下降算法的初始学习率为0.01，所述随机梯度下降算法的优化器权重衰减为0.0005。8.如权利要求1所述的方法，其特征在于，所述历史配网工程现场图像数据的获取过程包括：收集配网工程现场巡检所获得的符合工程质量要求的配网工程图片和不符合工程质量要求的配网工程图片。9.一种配电网工程质量缺陷检测装置，其特征在于，所述装置包括：获取模块，用于获取配网工程现场图像数据；
分析模块，用于将所述配网工程现场图像数据作为预先构建的轻量化配网工程质量缺陷检测网络的输入，得到所述预先构建的轻量...

【专利技术属性】
技术研发人员：杨乐，王金丽，王庆杰，段祥骏，李佳，李运硕，李丰胜，段青，王素敏，
申请(专利权)人：国家电网有限公司国网山东省电力公司，
类型：发明
国别省市：