一种基于神经网络模型的电力缺陷图像识别方法技术

本发明专利技术涉及电力系统缺陷检测技术领域，公开了一种基于神经网络模型的电力缺陷图像识别方法，包括以下步骤：步骤一：先从现场对电力设备、输送线路和绝缘子图像进行采集，并将采集完成后后的图像输入到终端处理设备内，利用终端处理设备为不同的电力设备、输送线路和绝缘子图像进行标注。本发明专利技术通过利用终端处理设备为不同的电力设备、输送线路和绝缘子图像进行标注，可以将不同的电力设备、输送线路和绝缘子图像标注位置和时间，在对电力设备、输送线路和绝缘子图像处理完成后，能够直接对从终端设备内提取出该电力设备、输送线路和绝缘子图像的位置和时间，从而快速的对电力设备、输送线路和绝缘子图像进行定位，快速分配不同的维修点人员。维修点人员。维修点人员。

【技术实现步骤摘要】
一种基于神经网络模型的电力缺陷图像识别方法


[0001]本专利技术涉及电力系统缺陷检测
，具体为一种基于神经网络模型的电力缺陷图像识别方法。

技术介绍

[0002]近年来，随着电网的快速发展，电网的规模越来越大，输电线路设备数量快速增加，线路设备的老旧程度日趋严重，恶劣气候和微气象条件增多，造成设备缺陷的概率增大，影响输电系统的运行可靠性。输电线路是输送电能的重要纽带，大多数电网设备都是暴露在野外环境中，在自然环境的长期作用下,线路易出现断股、破损等缺陷,需要不断地去监测与维护。而传统的人工巡视检查线路，不仅工作环境艰苦,劳动强度大、工作效率低、准确性低，而且复杂的野外环境可能给巡线人员的人身安全带来风险。
[0003]专利号CN201810342067.1，公开了一种识别效率较高、稳定性较好的基于卷积神经网络的电力缺陷图像识别方法。该基于卷积神经网络的电力缺陷图像识别方法通过设计神经网络结构，网络优化方法建立一套特定领域的图像检测与特征描述算法，使用神经网络直接得到图片是否存在缺陷以及缺陷类别，同时输出缺陷所在区域，该网络具备同时处理识别多种缺陷的功能。相比传统的hog/lbp特征提取方法，对多种缺陷类别具有适应性，且在这些缺陷类别上保持较高的精准度及查全率。基于神经网络的缺陷处理系统稳定性好，提高了输电线路巡检的自动化水平，降低了人工的劳动强度，便于快速准确的发现输电线路缺。适合电力输运系统缺陷检测
推广应用。
[0004]这种基于神经网络模型的电力缺陷图像识别方法，虽然具备同时处理识别多种缺陷的功能，但是在处理图像的过程中，是对整体的图像进行处理再对特征进行提取，导致图像处理的速度较慢，影响了图像处理的效率，而且在图像处理完成后，无法直接对图像的拍摄数据进行识别，无法快速的对缺陷故障的位置进行定位分配。

技术实现思路

[0005]本专利技术的目的在于提供一种基于神经网络模型的电力缺陷图像识别方法，解决了
技术介绍
中所提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于神经网络模型的电力缺陷图像识别方法，包括以下步骤：
[0007]步骤一：先从现场对电力设备、输送线路和绝缘子图像进行采集，并将采集完成后后的图像输入到终端处理设备内，利用终端处理设备为不同的电力设备、输送线路和绝缘子图像进行标注；
[0008]步骤二：在图像输入完成后，利用终端处理设备内的卷积神经网络，建立图像预处理模型，将电力设备、输送线路和绝缘子图像容易出现损坏缺陷的位置数据输入到图像预处理模型内，经过将采集到的电力设备、输送线路和绝缘子图像输入到图像预处理模型后，能够针对性的对电力设备、输送线路和绝缘子图像容易出现损坏缺陷的位置着重进行处
理，从而在原有处理性能不变的情况下，提升对于电力设备、输送线路和绝缘子图像的预处理效果；
[0009]步骤三：在图像输入完成后，利用终端处理设备内的卷积神经网络，建立电力图像模型，将不同的电力设备、输送线路和绝缘子图像输入到电力图像模型中，并同时建立大数据平台库，将存在问题的电力设备、输送线路和绝缘子图像输入到大数据平台库中，利用大数据平台库与电力图像模型接入后，能够将存在问题的电力设备、输送线路和绝缘子图像和正常的电力设备、输送线路和绝缘子图像进行比对，从而使电力图像模型进行深度学习，分析存在问题的电力设备、输送线路和绝缘子图像和正常的电力设备、输送线路和绝缘子图像的区别特征；
[0010]步骤四：在不断的分析学习后，电力图像模型会将区别特征提取出，从而在将采集到的电力设备、输送线路和绝缘子图像输入到终端后，能够利用电力图像模型进行采集到的电力设备、输送线路和绝缘子图像的特征提取，并与学习到的区别特征进行比对，能够快速的对采集到的电力设备、输送线路和绝缘子图像缺陷进行识别；
[0011]步骤五：在识别完成后，将采集到的电力设备、输送线路和绝缘子图像缺陷位置和特征数据，输入到终端内，由终端设备提取出出现问题的电力设备、输送线路和绝缘子图像，并将该电力设备、输送线路和绝缘子图像标注的位置数据和时间数据提取出，根据位置数据和时间数据分配给不同的维修点人员。
[0012]作为本专利技术的一种优选实施方式，所述步骤一种通过无人机从现场对电力设备、输送线路和绝缘子图像进行采集。
[0013]作为本专利技术的一种优选实施方式，所述步骤二中针对性的对电力设备、输送线路和绝缘子图像容易出现损坏缺陷的位置处理包括增强对比度、滤波去噪、统一尺寸和提升亮度。
[0014]作为本专利技术的一种优选实施方式，所述步骤一中需要标注不同电力设备、输送线路和绝缘子图像拍摄的地点位置和时间数据。
[0015]作为本专利技术的一种优选实施方式，所述步骤一、步骤二和步骤三中的终端处理设备为计算机设备。
[0016]与现有技术相比，本专利技术的有益效果如下：
[0017]1.本专利技术通过利用终端处理设备为不同的电力设备、输送线路和绝缘子图像进行标注，可以将不同的电力设备、输送线路和绝缘子图像标注位置和时间，在对电力设备、输送线路和绝缘子图像处理完成后，能够直接对从终端设备内提取出该电力设备、输送线路和绝缘子图像的位置和时间，从而快速的对电力设备、输送线路和绝缘子图像进行定位，快速分配不同的维修点人员。
[0018]2.本专利技术通过将电力设备、输送线路和绝缘子图像容易出现损坏缺陷的位置数据输入到图像预处理模型内，能够针对性的对电力设备、输送线路和绝缘子图像容易出现损坏缺陷的位置着重进行处理，从而在原有处理性能不变的情况下，提升对于电力设备、输送线路和绝缘子图像的预处理效率和效果。
[0019]3.本专利技术通过利用大数据平台库与电力图像模型接入后，能够将存在问题的电力设备、输送线路和绝缘子图像和正常的电力设备、输送线路和绝缘子图像进行比对，从而使电力图像模型进行深度学习，分析存在问题的电力设备、输送线路和绝缘子图像和正常的
电力设备、输送线路和绝缘子图像的区别特征，能够利用电力图像模型进行采集到的电力设备、输送线路和绝缘子图像的特征提取，并与学习到的区别特征进行比对，能够快速的对采集到的电力设备、输送线路和绝缘子图像缺陷进行识别。
附图说明
[0020]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0021]图1为本专利技术一种基于神经网络模型的电力缺陷图像识别方法的流程示意图。
具体实施方式
[0022]请参阅图1，本专利技术提供一种技术方案：一种基于神经网络模型的电力缺陷图像识别方法，包括以下步骤：
[0023]步骤一：先从现场对电力设备、输送线路和绝缘子图像进行采集，并将采集完成后后的图像输入到终端处理设备内，利用终端处理设备为不同的电力设备、输送线路和绝缘子图像进行标注；
[0024]在这种技术方案中，通过利用终端处理设备为不同的电力设备、输送线路和绝缘子图像进行标注，可以将不同的电力设备、输送线路和绝缘子图像标注位置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络模型的电力缺陷图像识别方法，其特征在于，包括以下步骤：步骤一：先从现场对电力设备、输送线路和绝缘子图像进行采集，并将采集完成后后的图像输入到终端处理设备内，利用终端处理设备为不同的电力设备、输送线路和绝缘子图像进行标注；步骤二：在图像输入完成后，利用终端处理设备内的卷积神经网络，建立图像预处理模型，将电力设备、输送线路和绝缘子图像容易出现损坏缺陷的位置数据输入到图像预处理模型内，经过将采集到的电力设备、输送线路和绝缘子图像输入到图像预处理模型后，能够针对性的对电力设备、输送线路和绝缘子图像容易出现损坏缺陷的位置着重进行处理，从而在原有处理性能不变的情况下，提升对于电力设备、输送线路和绝缘子图像的预处理效果；步骤三：在图像输入完成后，利用终端处理设备内的卷积神经网络，建立电力图像模型，将不同的电力设备、输送线路和绝缘子图像输入到电力图像模型中，并同时建立大数据平台库，将存在问题的电力设备、输送线路和绝缘子图像输入到大数据平台库中，利用大数据平台库与电力图像模型接入后，能够将存在问题的电力设备、输送线路和绝缘子图像和正常的电力设备、输送线路和绝缘子图像进行比对，从而使电力图像模型进行深度学习，分析存在问题的电力设备、输送线路和绝缘子图像和正常的电力设备、输送线路和绝缘子图像的区别特征；步骤四：在不断的分析学习后，电力图像模型会将区别特...

【专利技术属性】
技术研发人员：刘垚宏，徐彤，张洋，陈亮，阚梦蝶，苏云逸，杨斯旭，李兴建，邓潘，喻婷，马珅，况达，
申请(专利权)人：国网四川省电力公司眉山供电公司，
类型：发明
国别省市：