一种基于深度学习的电力图像数据增广方法技术

本发明专利技术涉及电力图像处理技术领域，公开了一种基于深度学习的电力图像数据增广方法，包括以下步骤：步骤一：架设大棚并组装模拟天气系统和灯光系统，组建模拟电器设备；步骤二：模拟不同设备故障进行数据采集；步骤三：模拟不同天气环境，并同时模拟不同设备故障，再次进行数据采集；步骤四：采集真实数据作为补充图像数据；步骤五：使用增强数据训练。本发明专利技术通过建设与外部环境完全隔离的大棚，在其内部架设模拟的电气设备和电缆等，利用天气系统和灯光系统，模拟出不同的极端天气环境，并且可以随意的改变模拟电器设备和电缆的故障状态，进而利用无人机拍摄获得足够多的图像样本，最后再经过图像数据增广的方式进行深度学习，满足学习要求。习要求。习要求。

【技术实现步骤摘要】
一种基于深度学习的电力图像数据增广方法


[0001]本专利技术涉及电力图像处理
，具体为一种基于深度学习的电力图像数据增广方法。

技术介绍

[0002]电网作为民生与国防建设的重要基础设施，在电能的传输、配送等方面起到决定性的作用，近年来，随着我国电网规模的不断扩大，输电线路及变电站所覆盖的区域面积也越来越大，因此，保证电网安全运行显得尤为重要，为了确保电力设备的稳定安全运行，需要对电力设备或者电缆等进行巡检，而由于电缆的长度和跨度都比较大，不能单纯的依靠人力进行巡检。
[0003]由于直升机、无人机和智能机器人凭借其户外作业效率高、作业风险低以及作业灵活的特点，在电力巡检上的应用逐渐普及，为电力系统带来了大量的巡检图像和视频数据，相较于传统的巡检方法有效地保障了电网的安全。但是受目前的智能化水平限制，一线工作人员对收集的数据只能进行人工分析和识别，才能得到最终的巡检报告，这种处理方法效率低下且人力成本较高，己经无法满足实际的需要。
[0004]在实现该技术方案时，至少还存在以下缺陷：现有技术利用深度学习的图像识别方法在电力故障诊断运用，为了实现人工智能学习的多样本需求，现有技术通过利用数据增广的方法进行学习，改变图像的颜色或者被背景噪音等提高其学习效果，但仍然受到数据量不足的影响，尤其使特殊天气采集到的特殊图像数据，且采集的原始数据也存在各种清晰度不足的问题，无法满足深度学习需求。因此，我们提出一种基于深度学习的电力图像数据增广方法。

技术实现思路

[0005]本专利技术的目的在于提供一种基于深度学习的电力图像数据增广方法，通过建设与外部环境完全隔离的大棚，在其内部架设模拟的电气设备和电缆等，利用天气系统和灯光系统，模拟出不同的极端天气环境，并且可以随意的改变模拟电器设备和电缆的故障状态，进而利用无人机拍摄获得足够多的图像样本，最后再经过图像数据增广的方式进行深度学习，满足学习要求，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：一种基于深度学习的电力图像数据增广方法，包括以下步骤：
[0007]步骤一：架设大棚，并确保其与外部的环境处于隔离状态，同时在该大棚中架设各种模拟的电力设备和电缆等，随后在大棚中安装天气模拟系统，包括但不限于雨雪天气，雾霾天气和风暴天气等，最后完成大棚内部的灯光系统安装；
[0008]步骤二：通过对模拟的电气设备和电缆的特殊处理，将其改变至各种的故障状态以及正常的状态，利用无人机作为主要的采集设备，将其投入至大棚中，对模拟电气设备和电缆进行图形的采集，为了获得更多情况下的不同数据，使无人机以不同的运转方式、不同
的速度以及工作状态等，对电力设备和图像进行采集；
[0009]步骤三：启动大棚中的天气模拟系统，并同时配合灯光系统，模拟出雨雪天气、雾霾天气以及风暴天气等极端天气环境，同样的在确保无人机能够正常运行的状态下，对大棚内的模拟的电气设备和电缆处于特殊状态或者正常工作状态时的图像数据进行采集，同样也使无人机处于更多不同的工作状态下采集这些图像数据；
[0010]步骤四：对室外真实的电力设备和电缆进行无人机的图像数据采集，并且为了获得不同的采集样本，选择更多不同天气的情况下，对数据进行采集，获得对照的数据样本；
[0011]步骤五：使用增强数据训练，对各种采集到的图像数据进行降噪、翻转、切割、改变颜色或对比度等操作，并提取图像特征，并生成新的图像数据完成学习训练。
[0012]作为本专利技术的一种优选实施方式，步骤二和步骤三中的无人机拍摄时的位置需要包括由近至远的不同位置拍摄的图像数据，以获取不同距离的拍摄图像。
[0013]作为本专利技术的一种优选实施方式，步骤二和步骤三中的无人机拍摄时的需要包括静止状态的拍摄以及运动过程中的拍摄图像，并且运动拍摄时的速度不同，获得不同的拍摄环境的图像数据。
[0014]作为本专利技术的一种优选实施方式，步骤四中拍摄的现实电气设备以及电缆，用于最为模拟数据的补充数据，进而提供更多的图像数据。
[0015]作为本专利技术的一种优选实施方式，步骤一大棚中的灯光系统不仅可以实现配合天气系统模拟不同天气的情况，也可以模拟夜间和白天的不同情况，进而提供图像数据。
[0016]作为本专利技术的一种优选实施方式，步骤五中进行图像数据增广后，还需要人工进行验证，确保输出图像数据符合要求。
[0017]与现有技术相比，本专利技术的有益效果如下：
[0018]本专利技术通过建设与外部环境完全隔离的大棚，在其内部架设模拟的电气设备和电缆等，利用天气系统和灯光系统，模拟出不同的极端天气环境，并且可以随意的改变模拟电器设备和电缆的故障状态，进而利用无人机拍摄获得足够多的图像样本，包括各种模糊图像和极端天气图像等，最后再经过图像数据增广的方式进行深度学习，满足学习要求。
附图说明
[0019]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：
[0020]图1为本专利技术一种基于深度学习的电力图像数据增广方法流程图。
具体实施方式
[0021]为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本专利技术。
[0022]请参阅图1，本专利技术提供一种技术方案：一种基于深度学习的电力图像数据增广方法，包括以下步骤：
[0023]步骤一：架设大棚，大棚的尺寸尽可能的大，并确保其与外部的环境处于隔离状态，同时在该大棚中架设各种模拟的电力设备和电缆等，随后在大棚中安装天气模拟系统，包括但不限于雨雪天气，雾霾天气和风暴天气等，最后完成大棚内部的灯光系统安装；
[0024]此外，本专利技术还提供一种大棚，其主体结构不便，而内部模拟的电力设备以及电缆等，为现实生活中电气设备和电缆的等比例缩小模型，同样的天气系统和灯光系统也保持不变，该种大棚，能够利用天气模拟系统，提供更加真实的天气模拟效果，并且能够减少架设模拟电气系统的成本。
[0025]步骤二：通过对模拟的电气设备和电缆的特殊处理，将其改变至各种的故障状态以及正常的状态，正常状态的电气设备能够提供正常情况下的图像数据而被采集，而特殊故障的电气设备状态则可以提供在日常使用中难以遇到的故障图像数据，能够采集更多图像数据，之后利用无人机作为主要的采集设备，将其投入至大棚中，对模拟电气设备和电缆进行图形的采集，为了获得更多情况下的不同数据，使无人机以不同的运转方式、不同的速度以及工作状态等，对电力设备和图像进行采集，在电气设备的不同模拟状态下，无人机在运转时，均经历从远至近的拍摄，不同的位置均采集有多组图像数据，进而获得更多的图像数据样本；
[0026]步骤三：启动大棚中的天气模拟系统，并同时配合灯光系统，模拟出雨雪天气、雾霾天气以及风暴天气等极端天气环境，雨雪天气时，需要灯光配合降低亮度，并且在雾霾天气和风暴天气时也通过灯光的变化提供更加真实的天气模拟情况，同样的在确保无人机能够正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的电力图像数据增广方法，其特征在于，包括以下步骤：步骤一：架设大棚，并确保其与外部的环境处于隔离状态，同时在该大棚中架设各种模拟的电力设备和电缆等，随后在大棚中安装天气模拟系统，包括但不限于雨雪天气，雾霾天气和风暴天气等，最后完成大棚内部的灯光系统安装；步骤二：通过对模拟的电气设备和电缆的特殊处理，将其改变至各种的故障状态以及正常的状态，利用无人机作为主要的采集设备，将其投入至大棚中，对模拟电气设备和电缆进行图形的采集，为了获得更多情况下的不同数据，使无人机以不同的运转方式、不同的速度以及工作状态等，对电力设备和图像进行采集；步骤三：启动大棚中的天气模拟系统，并同时配合灯光系统，模拟出雨雪天气、雾霾天气以及风暴天气等极端天气环境，同样的在确保无人机能够正常运行的状态下，对大棚内的模拟的电气设备和电缆处于特殊状态或者正常工作状态时的图像数据进行采集，同样也使无人机处于更多不同的工作状态下采集这些图像数据；步骤四：对室外真实的电力设备和电缆进行无人机的图像数据采集，并且为了获得不同的采集样本，选择更多不同天气的情况下，对数据进行采集，获得对照的数据样本；步骤五：使用增强数据训练...

【专利技术属性】
技术研发人员：李诚，陈亮，易伟，熊伟，曾仕伦，汪晓帆，朱礼鹏，唐海东，李罗宇，李兴建，邓潘，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：