一种电力线路中绝缘子的图像视觉语义分割方法技术

一种电力线路中绝缘子的图像视觉语义分割方法，包括：1、采集多张绝缘子图像，利用多张绝缘子图像构建绝缘子标签数据集，并将绝缘子标签数据集划分为训练集和验证集；2、构建主干特征提取网络，主干特征提取网络包括编码器和解码器；3、构建绝缘子特征增强模块，利用绝缘子特征增强模块优化编码器；4、在解码器中添加注意力机制，将优化后的编码器和解码器进行融合，得到改进的U

【技术实现步骤摘要】
一种电力线路中绝缘子的图像视觉语义分割方法


[0001]本专利技术涉及图像处理
，特别涉及一种电力线路中绝缘子的图像视觉语义分割方法。

技术介绍

[0002]电力电子的输电线路中，绝缘子能够有效隔绝地面与载流杆塔线路的导电，是杆塔间线路稳定接连及电气绝缘、输送电力的关键器件，因此对电力线检查中的绝缘子进行检测是非常必要的。针对于电力线路安置环境的复杂性，目前主要采用无人机代替人工方式在野外复杂环境中进行线路巡检，将无人机上安装的摄像机作为环境感知或缺陷检测的传感器，定位拍摄绝缘子图像。通过对航拍图像中的绝缘子进行清晰准确的分割，我们将更加容易分析感知绝缘子状态并及时进行远程故障诊断。这不仅保障电力线路稳定可靠的运行，同时也节省了大量人力及物力资源耗费并大幅度减少了事故性。为了实现智能化图像处理，传统技术主要通过对绝缘子红外图像进行识别、对纹理信息进行提取分类等操作来完成绝缘子自动识别分割。
[0003]尽管基于阈值分割、边缘分割、区域分割等方法的传统图像分割技术在分割任务量较小时能够得到不错的处理效果，但随着电力线路的发达与遍及，绝缘子分割任务面临着更多特征复杂的图像形态以及更加庞大的样本数据集，这时采用传统绝缘子分割不仅成本和时间消耗巨大，且不能实现稳定准确的分割效果。于是随着近年来深度学习的发展及设备的完善及技术水平提升，绝缘子分割任务也逐渐由传统的基于目标绝缘子各种特性进行分割，转向采用基于深度学习的语义分割模型。
[0004]为了更好地处理大量图像数据、将复杂问题进行简化，大部分基于深度学习的绝缘子分割方法都以卷积神经网络作为基础结构，研究人员通过对网络结构和对编码器和解码器路径进行优化改进等操作来实现更高的准确度，或使用全卷积神经网络和具有非对称卷积核的编码器
‑
解码器来提取特征信息并进行辨别筛选，使用改进后的条件生成对抗网络用于绝缘子像素级分割。但这些网络模型往往存在结构复杂、模型参数量大的问题，且对于绝缘子受背景干扰较大时无法较好地区分前景和背景、完成分割。
[0005]目前绝缘子分割技术仍然存在需要改进解决的局限性：
[0006]1)由于不同类型绝缘子对应着不同的颜色纹理、分辨率和光谱，同时绝缘子之间存在不同的位置和姿态，这些差异性和随机性使得实际对绝缘子分割的精度降低。
[0007]2)电力线路所架构的位置从城市到山林跨度较大，因此绝缘子图像总是处于杂乱不一的背景环境中，这使得目标绝缘子分割受背景干扰较大。
[0008]3)巡检无人机在运动过程中的抖动，所采集到的绝缘子图像可能会产生模糊，这使得绝缘子分割模型需要更加具有鲁棒性。

技术实现思路

[0009]本专利技术提供了一种电力线路中绝缘子的图像视觉语义分割方法，以解决现有技术
中传统模型对绝缘子图像分割的精度低，受背景干扰大的技术问题。
[0010]为达到上述目的，本专利技术的技术方案是这样实现的：
[0011]本专利技术提供了一种电力线路中绝缘子的图像视觉语义分割方法，包括如下步骤：
[0012]步骤S1、采集多张绝缘子图像，利用多张绝缘子图像构建绝缘子标签数据集，并将绝缘子标签数据集划分为训练集和验证集；
[0013]步骤S2、构建主干特征提取网络，主干特征提取网络包括编码器和解码器；
[0014]步骤S3、构建多个绝缘子特征增强模块，并利用多个绝缘子特征增强模块优化编码器，得到优化后的编码器；
[0015]步骤S4、构建多个注意力特征融合模块，利用多个注意力特征融合模块对解码器进行优化，得到优化后的解码器，将优化后的编码器和优化后的解码器进行融合，得到改进的U
‑
Net模型；
[0016]步骤S5、利用训练集对改进的U
‑
Net模型进行训练，得到训练后的U
‑
Net模型；
[0017]步骤S6、使用验证集对训练后的U
‑
Net模型进行验证。
[0018]进一步地，所述步骤S1具体包括如下步骤：
[0019]步骤S11、采集多张绝缘子图像，并对多张绝缘子图像进行标注，生成多张对应的绝缘子标签图像；
[0020]步骤S12、对多张绝缘子标签图像进行数据增强，并利用数据增强后的多张绝缘子标签图像构建绝缘子标签数据集；
[0021]步骤S13、按照设定的比例对绝缘子标签数据集进行随机划分，将其划分为训练集和验证集。
[0022]进一步地，所述步骤S12中的数据增强包括图像旋转、图像翻转和图像参数调整。
[0023]进一步地，所述步骤S2中的编码器包括7个卷积层、7个激活层和5个最大池化层；7个卷积层分别为第一卷积层至第七卷积层；7个激活层为第一激活层至第七激活层，7个激活层分别通过7个卷积层依次连接，5个最大池化层分别连接在第二卷积层至第六卷积层的输出端。
[0024]所述卷积层都使用3
×
3大小的卷积核；第一卷积层至第七卷积层的通道数分别为64、128、256、512、512、512、512。
[0025]进一步地，所述步骤S2中的解码器包括5个转置卷积层和5个激活层，5个转置卷积层分别通过5个激活层依次连接，5个转置卷积层分别为转置卷积层1至转置卷积层5，每个转置卷积层和相邻的激活层之间均进行双线性插值操作；每个转置卷积层分别经过双线性插值操作和对应的激活层激活后输出的特征为解码特征层。
[0026]进一步地，所述步骤S3中的绝缘子特征增强模块的数量为5个，分别为绝缘子特征增强模块1至绝缘子特征增强模块5，绝缘子特征增强模块1至绝缘子特征增强模块5分别与第一激活层至第五激活层的输出端连接；
[0027]5个绝缘子特征增强模块均包括3个依次连接的特征增强子模块；分别为第一特征增强子模块至第三特征增强子模块；其中，第一特征增强子模块包括3个第八卷积层和3个第一滤波器，3个第八卷积层和3个第一滤波器并联连接；第二特征增强子模块包括2个第九卷积层和2个第二滤波器，2个第九卷积层和2个第二滤波器并联连接；第三特征增强子模块包括并联连接的第十卷积层和第三滤波器；
[0028]第八卷积层至第十卷积层的尺度均为3
×
3；第一滤波器至第三滤波器的大小均为1
×
1；
[0029]经过三个特征增强子模块连接所得到的输出特征层为编码特征层，编码特征层作为下一步最大池化操作的输入层，该过程即为编码器的下采样过程。
[0030]进一步地，所述步骤S4具体包含如下步骤：
[0031]步骤S41:将步骤S3中的绝缘子特征增强模块输出的编码特征层与相对应层级提取的解码特征层信息分别通过线性变换转化为一维向量，将它们连接后进行ReLU激活操作，得到激活信息；
[0032]步骤S42:在空间区域通过分析编码特征层所提供的激活信息和上下文信息从而得到注意力网格系数a；
[0033]步骤S43、将注意力网格系数a与输入编码特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力线路中绝缘子的图像视觉语义分割方法，其特征在于：包括如下步骤：步骤S1、采集多张绝缘子图像，利用多张绝缘子图像构建绝缘子标签数据集，并将绝缘子标签数据集划分为训练集和验证集；步骤S2、构建主干特征提取网络，主干特征提取网络包括编码器和解码器；步骤S3、构建多个绝缘子特征增强模块，并利用多个绝缘子特征增强模块优化编码器，得到优化后的编码器；步骤S4、构建多个注意力特征融合模块，并利用多个注意力特征融合模块对解码器进行优化，得到优化后的解码器，将优化后的编码器和优化后的解码器进行融合，得到改进的U
‑
Net模型；步骤S5、利用训练集对改进的U
‑
Net模型进行训练，得到训练后的U
‑
Net模型；步骤S6、使用验证集对训练后的U
‑
Net模型进行验证。2.根据权利要求1所述的图像视觉语义分割方法，其特征在于，所述步骤S1具体包括如下步骤：步骤S11、采集多张绝缘子图像，并对多张绝缘子图像进行标注，生成多张对应的绝缘子标签图像；步骤S12、对多张绝缘子标签图像进行数据增强，并利用数据增强后的多张绝缘子标签图像构建绝缘子标签数据集；步骤S13、按照设定的比例对绝缘子标签数据集进行随机划分，将其划分为训练集和验证集。3.根据权利要求2所述的图像视觉语义分割方法，其特征在于，所述步骤S12中的数据增强包括图像旋转、图像翻转和图像参数调整。4.根据权利要求1所述的图像视觉语义分割方法，其特征在于，所述步骤S2中的编码器包括7个卷积层、7个激活层和5个最大池化层；7个卷积层分别为第一卷积层至第七卷积层；7个激活层为第一激活层至第七激活层，7个激活层分别通过7个卷积层依次连接，5个最大池化层分别连接在第二卷积层至第六卷积层的输出端。5.根据权利要求4所述的图像视觉语义分割方法，其特征在于，所述卷积层都使用3
×
3大小的卷积核；第一卷积层至第七卷积层的通道数分别为64、128、256、512、512、512、512。6.根据权利要求5所述的图像视觉语义分割方法，其特征在于，所述步骤S2中的解码器包括5个转置卷积层和5个激活层，5个转置卷积层分别通过5个激活层依次连接，5个转置卷积层分别为转置卷积层1至转置卷积层5，每个转置卷积层和相邻的激活层之间均进行双线性插值操作；每个转置卷积层分别经过双线性插值操作和对应的激活层激活后输出的特征为解码特征层。7.根据权利要求6所述的...

【专利技术属性】
技术研发人员：毛建旭，唐欣，王耀南，张辉，易俊飞，陶梓铭，钟杭，刘彩苹，朱青，刘敏，
申请(专利权)人：湖南大学，
类型：发明
国别省市：