System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及遥感影像数据处理,特别是涉及一种输电线路关键部件缺陷检测方法、系统及电子设备。
技术介绍
1、输电线路是电力系统的关键组成部分,对社会生产生活和经济发展至关重要。输电线路长期暴露在自然环境下,不仅受到自身机械载荷的影响,还会受到气候灾害、外力破坏等因素影响,易导致各个部件可能会出现不同程度的缺陷,如锈蚀、破损、形变等。这些缺陷可能会导致线路故障,造成供电中断。为保障电力系统安全稳定运行,对输电线路关键部件缺陷检测至关重要。
2、早期,输电线路关键部件缺陷检测流程主要采用(1)基于纹理信息的目标检测方法,采用灰度共生矩阵、局部二值模式等方法描述部件的纹理特征,再通过纹理特征分割提取输电线路关键部件;(2)基于图像分割的目标检测方法,通过对比显著图分割输电线路关键部件;(3)基于机器学习的目标检测方法,采用支持向量机法、滑动窗口法等方法,筛选出影像中的关键部件。这些方法需要人工对目标特征进行提取,效率低误差大,且往往仅能针对特定类别的部件进行检测。
3、目前,基于深度学习的目标检测方法成为输电线路关键部件缺陷检测的主流方法,其主要通过单个目标检测模型(如yolo系列、r-cnn系列)实现对检测影像中部件定位和状态分类,判断部件是否存在缺陷。然而,此类方法通常仅能针对有限的状态分类,如正常或某一类别缺陷,无法实现更加详细的缺陷分类,难以满足实际巡检工作的需求。此外,现有研究方法大多采用卷积神经网络,从多尺度、损失函数和注意力机制等方面进行改进优化,通过设计更深的网络来捕获每个目标区域的更多特征。然
技术实现思路
1、针对现有技术存在的缺陷,本专利技术提供一种输电线路关键部件缺陷检测方法、系统及电子设备,本专利技术既能检测出关键部件类别,又能识别出相对应的缺陷类型。在一定程度上降低计算资源的消耗,同时能够提高输电线路关键部件缺陷检测精度。
2、为实现上述目的,本专利技术提供了如下方案:
3、一种输电线路关键部件缺陷检测方法,包括:
4、获取待测输电线路影像;
5、将所述待测输电线路影像输入到关键部件推理检测模型中,得到待测输电线路中每个关键部件的部件类别和目标检测框;所述关键部件推理检测模型包括依次连接的特征提取网络和门控循环网络;
6、确定任一关键部件为当前关键部件;
7、基于当前关键部件对应的目标检测框,从待测输电线路影像中剪切得到当前关键部件影像;
8、确定当前关键部件的部件类别对应的resnet50模型为当前关键部件缺陷识别模型;所述resnet50模型与所述关键部件类别一一对应;所述resnet50模型是利用对应关键部件类别的多张关键部件标注样本对resnet50模型进行训练后得到的;
9、将所述当前关键部件影像输入到当前关键部件缺陷识别模型中,得到当前关键部件的缺陷检测结果。
10、可选的,所述关键部件包括绝缘子、防震锤和线夹;所述绝缘子的缺陷检测结果为正常绝缘子、或自爆绝缘子或形变绝缘子;所述防震锤的缺陷检测结果为正常防震锤、或锈蚀防震锤或破损防震锤;所述线夹的缺陷检测结果为正常线夹、或锈蚀线夹或破损线夹。
11、可选的,在将所述当前关键部件影像输入到当前关键部件缺陷识别模型中,得到当前关键部件的缺陷检测结果之后,还包括:
12、更新当前关键部件,并返回步骤“基于当前关键部件对应的目标检测框,从待测输电线路影像中剪切得到当前关键部件影像”直至遍历待测输电线路影像中的所有关键部件,得到待测输电线路影像中每个关键部件的缺陷检测结果。
13、可选的,在将所述当前关键部件影像输入到当前关键部件缺陷识别模型中,得到当前关键部件的缺陷检测结果之前,还包括:
14、按照预设尺寸模板调整当前关键部件影像的尺寸。
15、可选的,将所述待测输电线路影像输入到关键部件推理检测模型中,得到待测输电线路中每个关键部件的部件类别和目标检测框,包括:
16、根据关键部件标注样本集,确定待测输电线路关键部件的尺寸特征矩阵和误分概率矩阵;
17、根据所述尺寸特征矩阵和误分概率矩阵构建图结构,得到先验知识关系图;
18、将所述待测输电线路影像输入到特征提取网络中,得到多个候选区域的位置信息和roi特征;
19、根据多个候选区域的位置信息确定空间位置关系矩阵;
20、根据多个候选区域的roi特征确定局部特征关系矩阵;
21、根据所述空间位置关系矩阵和局部特征关系矩阵构建图结构,得到网络内部关系图;
22、将所述先验知识关系图和所述网络内部关系图输入到门控循环网络中,得到待测输电线路中每个关键部件的部件类别和目标检测框。
23、一种输电线路关键部件缺陷检测系统,包括:
24、影像获取模块,用于获取待测输电线路影像;
25、关键部件类别检测模块,用于将所述待测输电线路影像输入到关键部件推理检测模型中,得到待测输电线路中每个关键部件的部件类别和目标检测框;所述关键部件推理检测模型包括依次连接的特征提取网络和门控循环网络;
26、当前关键部件确定模块,用于确定任一关键部件为当前关键部件;
27、当前关键部件影像确定模块,用于基于当前关键部件对应的目标检测框,从待测输电线路影像中剪切得到当前关键部件影像;
28、当前关键部件缺陷识别模型选取模块,用于确定当前关键部件的部件类别对应的resnet50模型为当前关键部件缺陷识别模型;所述resnet50模型与所述关键部件类别一一对应;所述resnet50模型是利用对应关键部件类别的多张关键部件标注样本对resnet50模型进行训练后得到的;
29、关键部件缺陷识别模块,用于将所述当前关键部件影像输入到当前关键部件缺陷识别模型中,得到当前关键部件的缺陷检测结果。
30、一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行所述的一种输电线路关键部件缺陷检测方法。
31、可选的,所述存储器为可读存储介质。
32、根据本专利技术提供的具体实施例,本专利技术公开了以下技术效果:本专利技术提供的一种输电线路关键部件缺陷检测方法、系统及电子设备,主要可分为两个部分,第一个部分用于检测影像中的输电线路关键部件类别,其中包括绝缘子、防震锤、线夹共三种类别;第二个部分用于识别影像中输电线路关键部件缺陷类型,其中包括正常绝缘子、自爆绝缘子、形变绝缘子、正常防震锤、锈蚀防震锤、破损防震锤、正常线夹、锈蚀线夹、破损线夹共九种类型。级联模型的设计由两个部分相互解耦,每个部分可以更好地适应其任务,有效的提升检测和分类精度。提出使用先验知识辅助网络学习,通过预先统计样本集中所有标注框信息与网络训练结果,获得尺寸分布信息和误分本文档来自技高网...
【技术保护点】
1.一种输电线路关键部件缺陷检测方法,其特征在于,包括:
2.根据权利要求1所述的一种输电线路关键部件缺陷检测方法,其特征在于,所述关键部件包括绝缘子、防震锤和线夹;所述绝缘子的缺陷检测结果为正常绝缘子、或自爆绝缘子或形变绝缘子;所述防震锤的缺陷检测结果为正常防震锤、或锈蚀防震锤或破损防震锤;所述线夹的缺陷检测结果为正常线夹、或锈蚀线夹或破损线夹。
3.根据权利要求1所述的一种输电线路关键部件缺陷检测方法,其特征在于,在将所述当前关键部件影像输入到当前关键部件缺陷识别模型中,得到当前关键部件的缺陷检测结果之后,还包括:
4.根据权利要求1所述的一种输电线路关键部件缺陷检测方法,其特征在于,在将所述当前关键部件影像输入到当前关键部件缺陷识别模型中,得到当前关键部件的缺陷检测结果之前,还包括:
5.根据权利要求1所述的一种输电线路关键部件缺陷检测方法,其特征在于,将所述待测输电线路影像输入到关键部件推理检测模型中,得到待测输电线路中每个关键部件的部件类别和目标检测框,包括:
6.一种输电线路关键部件缺陷检测系统,其特征在于,
7.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至6中任一项所述的一种输电线路关键部件缺陷检测方法。
8.根据权利要求7所述的一种电子设备,其特征在于,所述存储器为可读存储介质。
...【技术特征摘要】
1.一种输电线路关键部件缺陷检测方法,其特征在于,包括:
2.根据权利要求1所述的一种输电线路关键部件缺陷检测方法,其特征在于,所述关键部件包括绝缘子、防震锤和线夹;所述绝缘子的缺陷检测结果为正常绝缘子、或自爆绝缘子或形变绝缘子;所述防震锤的缺陷检测结果为正常防震锤、或锈蚀防震锤或破损防震锤;所述线夹的缺陷检测结果为正常线夹、或锈蚀线夹或破损线夹。
3.根据权利要求1所述的一种输电线路关键部件缺陷检测方法,其特征在于,在将所述当前关键部件影像输入到当前关键部件缺陷识别模型中,得到当前关键部件的缺陷检测结果之后,还包括:
4.根据权利要求1所述的一种输电线路关键部件缺陷检测方法,其特征在于,在将所述当前关键...
【专利技术属性】
技术研发人员:吕京国,杨依然,张济勇,孙小虎,赵春晖,刘冬晖,于高,吴新平,张卓群,张苏,张亚平,荣经国,许方荣,
申请(专利权)人:北京建筑大学,
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。