【技术实现步骤摘要】
本专利技术涉及绝缘子红外检测，具体为一种瓷绝缘子串无人机红外自动对焦方法及系统。
技术介绍
1、绝缘子是一种常见的输电线路关键部件，在发输变配电系统中广泛使用；由于暴露在室外复杂环境下长期运行，绝缘子串受到机械载荷、雷电冲击、冰雹、鸟粪、酸雨、雾霾等多种复杂因素的影响，绝缘子的机械性能与电气性能会逐渐下降，进而出现缺陷；缺陷绝缘子无法承受正常的机电负载，导致局部发热、放电、纵向绝缘击穿、炸裂等现象，不利于电力系统安全稳定运行。
2、目前，绝缘子缺陷检测手段种类较多，主要有电压分布法、绝缘电阻法、泄漏电流法、红外热像法、超声波法等；其中，最常用的非接触带电检测方法是利用手持或机载红外热像仪进行巡检的红外热像法，具有效率高、安全风险小、成本低等优势。
3、在输电线路设备检修现场，通常对于绝缘子红外检测手段为无人机搭载设备到达指定位置拍摄绝缘子的红外图像，提取图像中的温度，通过温度矩阵诊断判据确定缺陷绝缘子；但现有的拍摄方式，其受限于定位精度与镜头转动角度，极小的定位误差造成绝缘子目标脱离镜头范围，难以将目标完整拍摄，因此需要调整镜头，传统的方法为人工调整，效率低下，自动调整则需要考虑移动端算力来进行实时检测。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种瓷绝缘子串无人机红外自动对焦方法及系统，其目的在于解决复杂背景下绝缘子现场红外检测
的难题，提高绝缘子现场目标校正准确率和效率。
2、为实现上述目的，本专利技术提供如下技术方案：一
3、步骤s1：获取绝缘子红外图像，对绝缘子红外图像中的绝缘子进行标注并保存制作绝缘子红外图像数据集；
4、步骤s2：构建改进yolo-fastestv2模型，所述改进yolo-fastestv2模型在原yolo-fastestv2模型的特征提取网络的下采样模块与基本模块的基础上增加多重分支堆叠，并将原yolo-fastestv2模型的特征融合网络的两个输出特征尺度增加到四个；所述多重分支堆叠由注意力机制和膨胀卷积组成；
5、步骤s3：采用改进yolo-fastestv2模型的特征提取网络提取绝缘子红外图像中的绝缘子特征，得到绝缘子特征数据集；采用绝缘子特征数据集对改进yolo-fastestv2模型进行训练，得到训练好的改进yolo-fastestv2模型；
6、步骤s4：将训练好的改进yolo-fastestv2模型部署至搭载有红外摄像头的无人机上，使用无人机上的红外摄像头拍摄实时绝缘子红外图像，将实时绝缘子红外图像输入训练好的改进yolo-fastestv2模型内进行检测，输出检测结果，对检测结果进行偏移量计算，得到检测结果的偏移量；
7、步骤s5：根据光学成像原理推算检测结果的偏移量对应的镜头转动角度来调整无人机上的红外摄像头。
8、进一步的，所述改进yolo-fastestv2模型由特征提取网络、特征融合网络和目标检测头组成；所述特征提取网络依次由3×3卷积、最大池化层、第一带多重分支堆叠的下采样模块、第一带多重分支堆叠的基本模块、第二带多重分支堆叠的下采样模块、第二带多重分支堆叠的基本模块、第三带多重分支堆叠的下采样模块、第三带多重分支堆叠的基本模块、第四带多重分支堆叠的下采样模块、第四带多重分支堆叠的基本模块、第五带多重分支堆叠的下采样模块、第五带多重分支堆叠的基本模块、1×1卷积和全局平均池化层组成；所述特征融合网络依次由第一cbs模块、第一上采样模块、第一堆叠模块、第二cbs模块、第二上采样模块、第二堆叠模块、第三cbs模块、第三上采样模块、第三堆叠模块和第四cbs模块组成，其中，在第一cbs模块、第二cbs模块、第三cbs模块和第四cbs模块的输出端均连接有一个第一深度可分离卷积和第二深度可分离卷积；所述目标检测头由多个1×1卷积组成；所述第二带多重分支堆叠的基本模块、第三带多重分支堆叠的基本模块、第四带多重分支堆叠的基本模块和第五带多重分支堆叠的基本模块输出端分别连接第三堆叠模块、第二堆叠模块、第一堆叠模块和第一cbs模块，第一深度可分离卷积输出端连接两个1×1卷积，第二深度可分离卷积输出端连接一个1×1卷积。
9、进一步的，所述第一带多重分支堆叠的下采样模块、第二带多重分支堆叠的下采样模块、第三带多重分支堆叠的下采样模块、第四带多重分支堆叠的下采样模块和第五带多重分支堆叠的下采样模块结构相同，均分为三条支路，第一条支路依次由3×3膨胀卷积和1×1卷积组成，第二条支路依次由1×1卷积、3×3膨胀卷积和1×1卷积组成，第一条支路和第二条支路末尾的1×1卷积输出端合并，合并后依次连接第一堆叠模块、通道重排模块、通道注意力机制和第二堆叠模块和1×1卷积（降维），第三条支路依次由3×3膨胀卷积和空间注意力机制组成，空间注意力机制的输出端连接第二堆叠模块。
10、进一步的，所述第一带多重分支堆叠的基本模块、第二带多重分支堆叠的基本模块、第三带多重分支堆叠的基本模块、第四带多重分支堆叠的基本模块和第五带多重分支堆叠的基本模块结构相同，依次由通道划分模块、第一堆叠模块、通道重排模块、通道注意力机制、第二堆叠模块和1×1卷积（降维）组成，在通道划分模块输入端设有第一条支路，第一条支路依次连接3×3膨胀卷积和空间注意力机制后连接第二堆叠模块，在通道划分模块输出端设有第二条支路，第二条支路依次连接1×1卷积、3×3膨胀卷积和1×1卷积后连接堆叠模块的输入端。
11、进一步的，所述第一cbs模块、第二cbs模块、第三cbs模块和第四cbs模块结构相同，均依次由卷积层、标准化层和sigmoid激活函数组成。
12、进一步的，得到检测结果的偏移量具体过程为：
13、步骤s4.1：将实时绝缘子红外图像输入训练好的改进yolo-fastestv2模型中进行检测，得到实时绝缘子红外图像中绝缘子预测框左上角、右下角的横坐标与纵坐标，根据绝缘子预测框左上角、右下角的横坐标与纵坐标获得绝缘子预测框的中心坐标位置；
14、步骤s4.2：使用实时绝缘子红外图像的中心坐标位置减去绝缘子预测框的中心坐标位置得到水平偏移量x_offset、垂直偏移量y_offset，计算公式如下：
15、（1）；
16、（2）；
17、式中，x1，y1分别为绝缘子预测框左上角的横坐标与纵坐标；x2，y2分别为绝缘子预测框右下角的横坐标与纵坐标；w为实时绝缘子红外图像的宽；h为实时绝缘子红外图像的高。
18、进一步的，步骤s5的具体过程为：所述光学成像原理采用对角视场角，以实时绝缘子红外图像的像素点为单位，已知实时绝缘子红外图像的高h，宽w，视场角为2ω，则对角线l，红外摄像头的镜头到图像中心s，水平视场角度2θx，垂直视场角度2θy，计算公式如下：
19、（3）；
20、（4）；
21、（5）；
22本文档来自技高网...
【技术保护点】
1.一种瓷绝缘子串无人机红外自动对焦方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种瓷绝缘子串无人机红外自动对焦方法，其特征在于：所述改进Yolo-FastestV2模型由特征提取网络、特征融合网络和目标检测头组成；所述特征提取网络依次由卷积、最大池化层、第一带多重分支堆叠的下采样模块、第一带多重分支堆叠的基本模块、第二带多重分支堆叠的下采样模块、第二带多重分支堆叠的基本模块、第三带多重分支堆叠的下采样模块、第三带多重分支堆叠的基本模块、第四带多重分支堆叠的下采样模块、第四带多重分支堆叠的基本模块、第五带多重分支堆叠的下采样模块、第五带多重分支堆叠的基本模块、卷积和全局平均池化层组成；所述特征融合网络依次由第一CBS模块、第一上采样模块、第一堆叠模块、第二CBS模块、第二上采样模块、第二堆叠模块、第三CBS模块、第三上采样模块、第三堆叠模块和第四CBS模块组成，其中，在第一CBS模块、第二CBS模块、第三CBS模块和第四CBS模块的输出端均连接有一个第一深度可分离卷积和第二深度可分离卷积；所述目标检测头由多个卷积组成；所述第二带多重分支堆叠的基本模块、第
3.根据权利要求2所述的一种瓷绝缘子串无人机红外自动对焦方法，其特征在于：所述第一带多重分支堆叠的下采样模块、第二带多重分支堆叠的下采样模块、第三带多重分支堆叠的下采样模块、第四带多重分支堆叠的下采样模块和第五带多重分支堆叠的下采样模块结构相同，均分为三条支路，第一条支路依次由膨胀卷积和卷积组成，第二条支路依次由卷积、膨胀卷积和卷积组成，第一条支路和第二条支路末尾的卷积输出端合并，合并后依次连接第一堆叠模块、通道重排模块、通道注意力机制、第二堆叠模块和卷积，第三条支路依次由膨胀卷积和空间注意力机制组成，空间注意力机制的输出端连接第二堆叠模块。
4.根据权利要求2所述的一种瓷绝缘子串无人机红外自动对焦方法，其特征在于：所述第一带多重分支堆叠的基本模块、第二带多重分支堆叠的基本模块、第三带多重分支堆叠的基本模块、第四带多重分支堆叠的基本模块和第五带多重分支堆叠的基本模块结构相同，依次由通道划分模块、第一堆叠模块、通道重排模块、通道注意力机制、第二堆叠模块和卷积组成，在通道划分模块输入端设有第一条支路，第一条支路依次连接膨胀卷积和空间注意力机制后连接第二堆叠模块，在通道划分模块输出端设有第二条支路，第二条支路依次连接卷积、膨胀卷积和卷积后连接堆叠模块的输入端。
5.根据权利要求2所述的一种瓷绝缘子串无人机红外自动对焦方法，其特征在于：所述第一CBS模块、第二CBS模块、第三CBS模块和第四CBS模块结构相同，均依次由卷积层、标准化层和Sigmoid激活函数组成。
6.根据权利要求1所述的一种瓷绝缘子串无人机红外自动对焦方法，其特征在于：得到检测结果的偏移量具体过程为：
7.根据权利要求6所述的一种瓷绝缘子串无人机红外自动对焦方法，其特征在于：步骤S5的具体过程为：所述光学成像原理采用对角视场角，以实时绝缘子红外图像的像素点为单位，已知实时绝缘子红外图像的高h，宽w，视场角为2ω，则对角线l，红外摄像头的镜头到图像中心s，水平视场角度2θx，垂直视场角度2θy，计算公式如下：
8.根据权利要求1所述的一种瓷绝缘子串无人机红外自动对焦方法，其特征在于：步骤S1的具体过程为：使用Labelimg工具标注绝缘子红外图像中的绝缘子，标注完成后，保存标注的绝缘子构建绝缘子红外图像数据集。
9.一种用于实现权利要求1-8任意一项所述的瓷绝缘子串无人机红外自动对焦方法的系统，其特征在于，包括：
...【技术特征摘要】
1.一种瓷绝缘子串无人机红外自动对焦方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种瓷绝缘子串无人机红外自动对焦方法，其特征在于：所述改进yolo-fastestv2模型由特征提取网络、特征融合网络和目标检测头组成；所述特征提取网络依次由卷积、最大池化层、第一带多重分支堆叠的下采样模块、第一带多重分支堆叠的基本模块、第二带多重分支堆叠的下采样模块、第二带多重分支堆叠的基本模块、第三带多重分支堆叠的下采样模块、第三带多重分支堆叠的基本模块、第四带多重分支堆叠的下采样模块、第四带多重分支堆叠的基本模块、第五带多重分支堆叠的下采样模块、第五带多重分支堆叠的基本模块、卷积和全局平均池化层组成；所述特征融合网络依次由第一cbs模块、第一上采样模块、第一堆叠模块、第二cbs模块、第二上采样模块、第二堆叠模块、第三cbs模块、第三上采样模块、第三堆叠模块和第四cbs模块组成，其中，在第一cbs模块、第二cbs模块、第三cbs模块和第四cbs模块的输出端均连接有一个第一深度可分离卷积和第二深度可分离卷积；所述目标检测头由多个卷积组成；所述第二带多重分支堆叠的基本模块、第三带多重分支堆叠的基本模块、第四带多重分支堆叠的基本模块和第五带多重分支堆叠的基本模块输出端分别连接第三堆叠模块、第二堆叠模块、第一堆叠模块和第一cbs模块，第一深度可分离卷积输出端连接两个卷积，第二深度可分离卷积输出端连接一个卷积。
3.根据权利要求2所述的一种瓷绝缘子串无人机红外自动对焦方法，其特征在于：所述第一带多重分支堆叠的下采样模块、第二带多重分支堆叠的下采样模块、第三带多重分支堆叠的下采样模块、第四带多重分支堆叠的下采样模块和第五带多重分支堆叠的下采样模块结构相同，均分为三条支路，第一条支路依次由膨胀卷积和卷积组成，第二条支路依次由卷积、膨胀卷积和卷积组成，第一条支路和第二条支路末尾的卷积输出端合并，合并后依次连接第一堆叠模块、通道重...
【专利技术属性】
技术研发人员：况燕军，李唐兵，尹骏刚，胡京，刘永鑫，芦竹茂，曾磊磊，
申请(专利权)人：国网江西省电力有限公司电力科学研究院，
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。