【技术实现步骤摘要】
本专利技术涉及输电线路检修，尤其涉及一种绝缘子内部缺陷检测方法和装置。
技术介绍
1、绝缘子是输电线路中不可或缺的部件，在输电线路中起到防止电流接地以及支撑导线的双重作用。绝缘子长期暴露在野外受强电场，变化的温度和湿度，以及线路拉扯的机械应力，很容易出现故障。其中包括绝缘子发生自爆，会导致输电线路运行出现闪络，危害安全；绝缘子上污秽覆尘，在干燥环境下可能无明显危害，但当污秽遇到潮湿环境，会大大降低绝缘子串的阻抗，产生风险；而绝缘子被击穿后形成的“零值绝缘子”阻值明显下降，会导致绝缘子绝缘能力下降，出现运行风险。所以对绝缘子进行定期的检修十分必要。相关技术的检修方法多半依赖人工爬塔，效率低下，危险较大。
技术实现思路
1、本申请提供一种改进的绝缘子内部缺陷检测方法和装置。
2、本申请提供一种绝缘子内部缺陷检测方法，包括：
3、获取无人机采集的输电线路的巡检视频；所述巡检视频是通过所述无人机搭载的红外采集设备采集的红外图像；
4、将所述巡检视频的每一帧红外图像输入至训练好的缺陷检测模型，使用所述训练好的缺陷检测模型对所述巡检视频进行逐帧的缺陷检测，以输出缺陷检测结果；所述训练好的缺陷检测模型包括主干网络；所述主干网络单独通过对比学习处于不同域的可见光图像样本集与红外图像样本集所具有的相同语义的特征，训练所述主干网络，得到已训练的主干网络；所述已训练的主干网络用于确定所述主干网络的参数；
5、若所述缺陷检测结果为所述红外图像包含缺陷的绝缘子
6、进一步的，所述方法还包括：所述缺陷检测模型是通过如下方式训练得到的：
7、获取可见光图像样本集中的可见光图像样本与红外图像样本集中的红外图像样本；
8、对场景匹配的可见光图像样本和红外图像样本进行图像配准，获取可见光与红外图像对；
9、将所述可见光与红外图像对输入至待训练缺陷检测模型的主干网络，学习处于不同域的可见光图像样本集与红外图像样本集所具有的相同语义的特征，训练所述待训练缺陷检测模型的主干网络，得到已训练的主干网络；并且，所述已训练的主干网络嵌入在所述待训练缺陷检测模型中，更新所述待训练缺陷检测模型，使得所述待训练缺陷检测模型的所述主干网络的参数已知确定；
10、获取具有标签的红外图像样本集；
11、将所述红外图像样本集输入至所述待训练缺陷检测模型，训练所述待训练缺陷检测模型，得到所述训练好的缺陷检测模型；其中，所述训练所述待训练缺陷检测模型包括训练所述待训练缺陷检测模型的网络层的初始化参数。
12、进一步的，所述对场景匹配的可见光图像样本和红外图像样本进行图像配准，获取可见光与红外图像对，包括：
13、对同一场景下采集的可见光图像和红外图像分别提取特征点，得到所述可见光图像的特征点和所述红外图像的特征点；
14、对所述可见光图像的特征点和所述红外图像的特征点进行图像配准，获取匹配点对；
15、基于所述匹配点对进行变换参数，得到单应性矩阵；
16、利用所述单应性矩阵对所述可见光图像进行透视变换，获取所述可见光与红外图像对。
17、进一步的，所述训练所述待训练缺陷检测模型的主干网络，得到已训练的主干网络，包括：
18、提取所述可见光与红外图像对的特征空间；
19、对比学习将所述特征空间具有相同语义信息的可见光特征和红外光特征进行聚类；
20、通过对比损失函数自监督地训练所述主干网络，在迭代过程中在拉近特征类内距离时增大特征的类间距离，得到已训练的主干网络。
21、进一步的，所述待训练的缺陷检测模型包括第一特征映射分支及第二特征映射分支；所述第一特征映射分支用于将所述可见光图像映射成单位特征向量，所述第二特征映射分支用于将所述红外图像映射成单位特征向量，每个分支包含待训练的缺陷检测模型的主干网络和多层感知机mlp；
22、所述训练所述待训练缺陷检测模型的主干网络，得到已训练的主干网络，包括：
23、a，使用随机值初始化所述主干网络和所述mlp的权重参数；
24、b，将所述可见光图像样本和所述红外图像样本输入至所述主干网络和所述mlp，输出所述可见光图像样本映射的第一特征向量以及所述可见光图像样本映射的第二特征向量；
25、c，使用对比损失函数，计算所述第一特征向量及所述第二特征向量之间的误差；
26、d，根据所述对比损失函数的导数计算梯度，沿梯度最小方向将所述误差反向传播，修正所述主干网络和所述mlp的各个权重参数；
27、e，重复执行所述a至所述d，直至达到迭代停止条件，得到所述已训练的主干网络。
28、进一步的，所述获取具有标签的红外图像样本集，包括：
29、从采集的所有红外图像中，随机选择预定数量的图像；
30、在所选择的图像的绝缘子上框出标注框并进行标注，生成具有标注框的红外图像样本集；所述标注框的信息包含类别名称和位置信息，所述类别名称包括零值绝缘子、低值绝缘子和正常绝缘子。
31、进一步的，所述将所述红外图像样本集输入至所述待训练缺陷检测模型，训练所述待训练缺陷检测模型，得到所述训练好的缺陷检测模型，包括：
32、将训练的轮次分为前n轮次和后n轮次；所述n为轮次数量；
33、将所述红外图像样本集输入至待训练缺陷检测模型，在前n轮次内冻结主干网络的权重参数，对所述网络层进行部分训练；
34、在后n轮次内，对所述主干网络及所述网络层进行整体训练，得到所述训练好的缺陷检测模型。
35、进一步的，所述在后n轮次内，对所述主干网络及所述网络层进行整体训练，得到所述训练好的缺陷检测模型，包括：
36、a，使用随机值初始化所述待训练缺陷检测模型的所述网络层的参数；并将所述已训练的主干网络的参数迁移至所述待训练缺陷检测模型；
37、b，将所述红外图像样本集输入至所述待训练缺陷检测模型，输出绝缘子识别、缺陷类别和定位结果；
38、c，使用损失函数，得到所述绝缘子识别、缺陷类别以及标注框位置回归的误差总和；
39、d，根据所述损失函数的导数，得到当前梯度；并根据所述待训练缺陷检测模型每个参数的历史梯度，调整每个参数的学习率，沿梯度最小方向将所述误差总和反向传播，修正所述待训练缺陷检测模型的各个权重参数；
40、e，重复执行所述a至所述d，直至达到迭代停止条件，得到所述训练好的缺陷检测模型。
41、进一步的，在所述标记所述红外图像的所述缺陷的绝缘子的位置信息和类别信息之后，所述方法还包括：
42、在所述无人机巡检结束后，将标记的所述红外图像所述缺陷的绝缘子的位置信息和类别信息，生成可视化报告；所述可视化报告用于实现用户对所述输电线路进行分析与本文档来自技高网...
【技术保护点】
1.一种绝缘子内部缺陷检测方法，其特征在于，包括：
2.如权利要求1所述的绝缘子内部缺陷检测方法，其特征在于，所述方法还包括：所述缺陷检测模型是通过如下方式训练得到的：
3.如权利要求2所述的绝缘子内部缺陷检测方法，其特征在于，所述对场景匹配的可见光图像样本和红外图像样本进行图像配准，获取可见光与红外图像对，包括：
4.如权利要求2所述的绝缘子内部缺陷检测方法，其特征在于，所述训练所述待训练缺陷检测模型的主干网络，得到已训练的主干网络，包括：
5.如权利要求2所述的绝缘子内部缺陷检测方法，其特征在于，所述待训练的缺陷检测模型包括第一特征映射分支及第二特征映射分支；所述第一特征映射分支用于将所述可见光图像映射成单位特征向量，所述第二特征映射分支用于将所述红外图像映射成单位特征向量，每个分支包含待训练的缺陷检测模型的主干网络和多层感知机MLP；
6.如权利要求2所述的绝缘子内部缺陷检测方法，其特征在于，所述获取具有标签的红外图像样本集，包括：
7.如权利要求2所述的绝缘子内部缺陷检测方法，其特征在于，所述将所述红
8.如权利要求7所述的绝缘子内部缺陷检测方法，其特征在于，所述在后N轮次内，对所述主干网络及所述网络层进行整体训练，得到所述训练好的缺陷检测模型，包括：
9.如权利要求1或2所述的绝缘子内部缺陷检测方法，其特征在于，在所述标记所述红外图像的所述缺陷的绝缘子的位置信息和类别信息之后，所述方法还包括：
10.一种绝缘子内部缺陷检测装置，其特征在于，包括：
...【技术特征摘要】
1.一种绝缘子内部缺陷检测方法，其特征在于，包括：
2.如权利要求1所述的绝缘子内部缺陷检测方法，其特征在于，所述方法还包括：所述缺陷检测模型是通过如下方式训练得到的：
3.如权利要求2所述的绝缘子内部缺陷检测方法，其特征在于，所述对场景匹配的可见光图像样本和红外图像样本进行图像配准，获取可见光与红外图像对，包括：
4.如权利要求2所述的绝缘子内部缺陷检测方法，其特征在于，所述训练所述待训练缺陷检测模型的主干网络，得到已训练的主干网络，包括：
5.如权利要求2所述的绝缘子内部缺陷检测方法，其特征在于，所述待训练的缺陷检测模型包括第一特征映射分支及第二特征映射分支；所述第一特征映射分支用于将所述可见光图像映射成单位特征向量，所述第二特征映射分支用于将所述红外图像映射成单位特征向量，每个分支包...
【专利技术属性】
技术研发人员：范亮，汤坚，王秋媚，张磊，郑路铭，
申请(专利权)人：广州中科智巡科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。