一种基于轻量级串联网络的导地线缺陷快速检测方法技术

一种基于轻量级串联网络的导地线缺陷快速检测方法，包括：将无人机采集的导地线图像进行人工标注，生成导地线缺陷训练集和测试集，在训练模块中，用标注好的导地线缺陷训练集图像数据对TCDNet模型进行训练，并用测试集进行测试，得到精度最高的一个模型权重文件；将训练好的模型权重文件送入模型压缩剪枝模块，对模型权重文件进行稀疏化训练，不断迭代，实现压缩剪枝，输出一个轻量级的TCDNet模型权重文件；将轻量化的TCDNet模型权重文件部署到推理模块中，待检测导地线图像再送入推理模块中便可得到导地线缺陷的检测结果，分别输出缺陷的置信度、位置和大小。本发明专利技术无需繁杂的人工数据分析，且缺陷发现率高、速度快和漏检少。速度快和漏检少。速度快和漏检少。

【技术实现步骤摘要】
一种基于轻量级串联网络的导地线缺陷快速检测方法


[0001]本专利技术属于深度学习、人工智能和配电网
，涉及深度卷积神经网络(CNN)、模型的压缩剪枝和缺陷检测，具体涉及一种基于轻量级串联网络的导地线缺陷快速检测方法。

技术介绍

[0002]导地线是电力系统中常见的一种设施，是输电线路中最重要的元件之一，依靠导线输送电力至用户，依靠它形成电力网络，平衡各地电力供应。但是由于输电线路所处的野外环境复杂多变，导地线长期会遭受雨水的腐蚀和微风振动等作用，从而导致导地线容易出现微动磨损。磨损和应力集中效应叠加导致该处导线径向裂纹的生成与扩展，在周期性应力的作用下裂纹则逐步发展，最终导致导线疲劳断裂。导地线的这种裂纹很容易对整个输电线路的安全运行造成影响，轻则跳闸，重则使导线断裂或者杆塔倒塌，造成较大面积的停电事故。常见的导地线缺陷有断股、松股、损伤等。
[0003]目前，可以通过无人机巡航拍照技术来实现导地线的缺陷检测。通过操纵无人机对杆塔关键位置进行现场数据采集，然后将图像数据传回服务器，最后再由人工进行数据分析。这种方法在数据传输过程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轻量级串联网络的导地线缺陷快速检测方法，其特征在于，采用训练模块、模型压缩剪枝模块和推理模块进行，所述方法包括以下步骤：将通过无人机采集的导地线图像进行人工矩形框标注，生成导地线缺陷训练集和测试集；在训练模块中，用标注好的导地线缺陷训练集图像数据对TCDNet模型进行训练，并用测试集进行测试，得到精度最高的一个模型权重文件；将训练好的模型权重文件送入模型压缩剪枝模块，对模型权重文件进行稀疏化训练，不断迭代，实现压缩剪枝，输出一个轻量级的TCDNet模型权重文件；将轻量化的TCDNet模型权重文件部署到推理模块中，待检测导地线图像再送入推理模块中得到导地线缺陷的检测结果，分别输出缺陷的置信度、位置和大小。2.根据权利要求1所述的方法，其特征在于，所述训练模块将两级串联目标检测网络TCDNet作为导地线缺陷的基线检测模型，TCDNet的颈部采用特征金字塔模式，头部则是在此基础上由串联的前后两个层级的检测头组成；训练阶段，串联的前后两个层级的检测头设置不同的交并比阈值来界定正负样本，前一个检测头的输出是后一个检测头的输入，交并比阈值一直上升，使用不同的交并比阈值来划分正负样本，检测头有类别预测和坐标预测两个分支，即对候选目标分别进行分类计算和坐标回归。3.根据权利要求2所述的方法，其特征在于，训练时的总损失函数由位置损失函数和分类损失函数组成，其中位置损失函数与Fast
‑
RCNN中使用的一致，都是L1损失，如下：RCNN中使用的一致，都是L1损失，如下：其中，x
i
是神经网络的单个输入样本，W是神经网络的权重参数，f(x
i
,W)是对单个样本的坐标回归映射函数，g
i
则是该样本真实的坐标回归编码，L

【专利技术属性】
技术研发人员：周学明，简旭，姚尧，陈亮，陈杰，俞斌，任想，雷成华，汪志浩，陈余根，高书阳，
申请(专利权)人：国网湖北省电力有限公司鄂州供电公司武汉华中天经通视科技有限公司，
类型：发明
国别省市：