一种基于YOLOv3的输电线路缺陷快速检测方法技术

本发明专利技术属于电力视觉的技术领域，公开了一种基于YOLO v3的输电线路缺陷快速检测方法，包括：基于输电线路常见缺陷图构建巡检图像缺陷检测模型；基于现有巡检图像数据构建巡检图像样本库；通过所述图像样本库对所述图像缺陷检测模型进行训练，并对识别效果进行评估。本发明专利技术可用于无人机巡检时满足输电线路巡检视频的自动缺陷识别的需求，实现输电线路设备异常状态的自动检测与识别，这对于提升电网智能化具有重要意义。化具有重要意义。化具有重要意义。

【技术实现步骤摘要】
一种基于YOLO v3的输电线路缺陷快速检测方法


[0001]本专利技术涉及电力视觉的
，尤其涉及一种基于YOLO v3的输电线路缺陷快速检测方法。

技术介绍

[0002]近年来，电网规模正在逐渐扩大，针对巡线工作付出的人力和财力成本也随之提升。最重要的是，人工巡检存在一定的危险性。因此，国家电网、南方电网以及全国各个电力研究机构目前都致力于无人机电力智能巡检的研究。该研究主要包含如下几个方面：(1)无人机飞行控制技术即其飞行的路径规划问题；(2)针对输电线路巡检的航拍图像的目标检测及故障识别和图像重构等相关图像处理技术。采用无人机智能巡检技术可以降低人为操作的成本，能够节约大量的人力物力，具有高效率，适应强的优势。并且只需要针对采集到的输电线路的图像和视频进行处理，即可达到巡检的目的，大大的降低了人工巡检工作的难度和危险性，具有非常广阔的应用前景。除此之外，智能巡检技术发展，也是电网智能化进程的重要一环。基于深度学习与各种智能算法的缺陷和故障识别技术能同时对结构化和非结构化同时进行高效的分析。这对加速实现输电设备出现异常的智能化检测与识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLO v3的输电线路缺陷快速检测方法，其特征在于，包括：基于输电线路常见缺陷图构建巡检图像缺陷检测模型；基于现有巡检图像数据构建巡检图像样本库；通过所述图像样本库对所述图像缺陷检测模型进行训练，并对识别效果进行评估。2.如权利要求1所述的基于YOLO v3的输电线路缺陷快速检测方法，其特征在于：对图像缺陷检测模型初始化，包括：对所有图像数据进行一个统一的预处理，即划分统一大小，并统一划分为S
×
S个区域，使图像数据适用于模型的输入，以及特征提取。3.如权利要求2所述的基于YOLO v3的输电线路缺陷快速检测方法，其特征在于:基于卷积神经网络对巡检图像多尺度进行特征提取，包括：通过多个卷积层提取图片缺陷特征。4.如权利要求3所述的基于YOLO v3的输电线路缺陷快速检测方法，其特征在于：基于逻辑回归的缺陷类型进行位置预测，包括：定义一个设备缺陷特征的检测区域，当图像数据输入后落入所述检测区域后，则把所述检测区域作为预测相应设备缺陷的专用区域；经过多次预测后，基于回归算法对所述专用区域的中心位置和大小进行适当调整。5.如权利要求4所述的基于YOLO v3的输电线路缺陷快速检测方法，其特征在于：基于非极大值抑制的重复检测目标消除，包括：采用极大值抑制以去除重复的选框，最终预测得到巡检图片中实际包含的电力设备...

【专利技术属性】
技术研发人员：徐长宝，辛明勇，高吉普，王宇，林呈辉，祝健杨，文屹，曾华荣，代奇迹，陈科羽，陈凤翔，汪明媚，古庭赟，孟令雯，李鑫卓，王冕，王永，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：