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】
本专利技术属于电力设备自动检测,具体涉及一种架空线路复合绝缘子中轴线提取及温度曲线分类方法。
技术介绍
1、绝缘子是一种常见的输电网络关键部件,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,绝缘子串受到机电载荷、雷电冲击、冰雹、鸟粪、酸雨、雾霾等多种复杂因素的影响,其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长期的机电负载,可能导致局部发热、放电、击穿、炸裂等现象,严重威胁电力系统安全稳定运行。
2、目前,绝缘子检测大多通过人工拍摄目标图像,然后利用获取到的图像来提取目标温度等特征。人工拍摄方式受限于定位精度、镜头转动角度和操作人员经验等因素,容易造成绝缘子目标脱离镜头范围,难以将目标完整拍摄,导致检测数据偏差大和检测精准度低的问题。绝缘子检测装置在运行过程中产生大量数据,包括红外图像和三维数据等;而传统方式通常将数据上传到云端进行处理,效率不足、延迟性高,无法高效及时地处理和分析现场大量数据。如何在边缘端就地分析处理所采集数据,从而提升绝缘子检测效率和准确性,成为了当前亟待解决的技术挑战之一。
3、因此,有必要开发一种架空线路复合绝缘子中轴线提取及温度曲线分类方法,以提高绝缘子检测的精准度、及时性和效率。
技术实现思路
1、本专利技术的目的在于提供一种架空线路复合绝缘子中轴线提取及温度曲线分类方法,以解决
技术介绍
中提出的问题。
2、为实现上述目的,本专利技术提供了一种架空线路复合绝缘子中轴线提取及温度曲线分类
3、s1、利用无人机红外摄像头对目标绝缘子多个角度进行拍摄,获得目标绝缘子多个角度的红外图像;对目标绝缘子的多张红外图像进行预处理,得到目标绝缘子图像数据集;
4、s2、基于轻量级mobilenet网络,改进yolov5-seg网络模型,得到轻量化yolov5-seg网络模型;
5、s3、将所述步骤s1中得到的目标绝缘子图像数据集送入yolov5-seg网络模型进行训练,设置训练参数、保存权值;
6、s4、利用所述步骤s1中训练得到的权值对目标绝缘子多个角度的红外图像进行预测;
7、s5、对所述步骤s4得到的预测结果进行中轴线温度提取,生成温度曲线;
8、s6、使用dcp神经网络对所述步骤s5中生成的温度曲线进行分类。
9、进一步的,所述步骤s1中进行预处理的具体步骤为:获得目标绝缘子的红外图像后,使用图像标注工具labelme对目标绝缘子的多张红外图像一一进行标注并保存。
10、进一步的,所述步骤s1具体为:
11、s1.1、采用多边形将目标绝缘子围住,并标注完成保存图片名称、标签名称、多边形位置坐标信息;
12、s1.2、解析步骤s1.1保存的信息,且在同文件夹下保存原图与标签文件;
13、s1.3、判断目标绝缘子图像数据集的数量是否满足500,若不满足,则通过旋转、缩放或错且增加图像数量,直到目标绝缘子图像数据集的数量达到500。
14、进一步的,所述步骤s2中,通过多重分支堆叠模块与过渡模块来替代原网络中倒残差结构来对图像进行通道数上升。
15、进一步的,所述多重分支堆叠模块包括四个特征层,第一特征层和第二特征层各包括各有一个积标准化激活函数,所述第三特征层包括有三个积标准化激活函数,所述第四特征层包括有五个积标准化激活函数;所述四个特征层堆叠后再进行卷积标准化激活函数特征整合。
16、进一步的,所述分支堆叠下采样模块包括左分支和右分支,两个分支的结果在输出时会进行堆叠;
17、卷积公式如下:
18、picture=r+g+b (1);
19、pur=α×picture (2);
20、yellow=β×picture (3);
21、new=pur+yellow (4);
22、new=(α+β)(r+g+b) (5);
23、上式(1)-(5)中,α、β代表权重系数,其为0~1之间的一个数值;
24、rgb三通道数按一定权重形成新的通道;
25、标准化公式如下:
26、
27、
28、
29、
30、上式中,μb为数据x均值,σb为x方差,为归一化,ε为极小值,γ、ω为数据缩放和平移参数;
31、激活函数公式如下:
32、
33、特征图最大池化公式如下:
34、
35、上式中,m表示特征图,c是通道,h是行号,w是列号,kh∈[1,k],kw∈[1,k],k是池化窗口的长、宽大小,hs为与h对应的步长为s时的行,ic为对应的列。
36、进一步的,所述步骤s4具体包括:获取多张同一目标绝缘子不同视角下拍摄的复合绝缘子红外图像,将预测所使用的初始权值文件与类别修改,指向训练完成保存的权值文件与训练时分的类,输入绝缘子红外图像即可进行预测。
37、进一步的,所述步骤s5具体包括:运行算法检测结果为二值图,进行直线拟合获取中轴线,再根据中轴线位置获取对应红外图像位置像素转换为温度,生成温度曲线。
38、进一步的,所述步骤s6具体包括:将温度曲线图像输入dcp神经网络识别,输出类别,诊断曲线是否异常发热。
39、相比于现有技术,本专利技术具有以下有益效果:
40、本专利技术的架空线路复合绝缘子中轴线提取及温度曲线分类方法,包括利用无人机多角度拍摄复合绝缘子,制作数据集、修改骨干网络、使用yolov5-seg训练分割算法,提取多张图像复合绝缘子中轴线温度曲线,利用dcp神经网络分类区分曲线是否异常发热曲线。本专利技术通过改进yolov5-seg骨干网络mobilenet,从而减少计算量,进而提高检测速度,dcp神经网络提升温度曲线分类的精度。
41、除了上面所描述的目的、特征和优点之外,本专利技术还有其它的目的、特征和优点。下面将参照附图,对本专利技术作进一步详细的说明。
本文档来自技高网...【技术保护点】
1.一种架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,所述步骤S1中进行预处理的具体步骤为:获得目标绝缘子的红外图像后,使用图像标注工具Labelme对目标绝缘子的多张红外图像一一进行标注并保存。
3.根据权利要求2所述的架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,所述步骤S1具体为:
4.根据权利要求1所述的架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,所述步骤S2中,通过多重分支堆叠模块与过渡模块来替代原网络中倒残差结构来对图像进行通道数上升。
5.根据权利要求4所述的架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,所述多重分支堆叠模块包括四个特征层,第一特征层和第二特征层各包括各有一个积标准化激活函数,所述第三特征层包括有三个积标准化激活函数,所述第四特征层包括有五个积标准化激活函数;所述四个特征层堆叠后再进行卷积标准化激活函数特征整合。
6.根据权利要求4所述
7.根据权利要求1所述的架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,所述步骤S4具体包括:获取多张同一目标绝缘子不同视角下拍摄的复合绝缘子红外图像,将预测所使用的初始权值文件与类别修改,指向训练完成保存的权值文件与训练时分的类,输入绝缘子红外图像即可进行预测。
8.根据权利要求1所述的架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,所述步骤S5具体包括:运行算法检测结果为二值图,进行直线拟合获取中轴线,再根据中轴线位置获取对应红外图像位置像素转换为温度,生成温度曲线。
9.根据权利要求1所述的架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,所述步骤S6具体包括:将温度曲线图像输入DCP神经网络识别,输出类别,诊断曲线是否异常发热。
...【技术特征摘要】
1.一种架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,所述步骤s1中进行预处理的具体步骤为:获得目标绝缘子的红外图像后,使用图像标注工具labelme对目标绝缘子的多张红外图像一一进行标注并保存。
3.根据权利要求2所述的架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,所述步骤s1具体为:
4.根据权利要求1所述的架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,所述步骤s2中,通过多重分支堆叠模块与过渡模块来替代原网络中倒残差结构来对图像进行通道数上升。
5.根据权利要求4所述的架空线路复合绝缘子中轴线提取及温度曲线分类方法,其特征在于,所述多重分支堆叠模块包括四个特征层,第一特征层和第二特征层各包括各有一个积标准化激活函数,所述第三特征层包括有三个积标准化激活函数,所述第四特征层包括有五个积标准化激活函数;所述四个特征层堆叠后...
【专利技术属性】
技术研发人员:刘宝龙,陈极升,王闯,高德雨,王元军,吴正树,何宁安,韦学浩,凌铸,韩竹平,陈宁兰,龙腾辉,王志鹏,李廷,黄达琪,张凯林,谭海光,刘景亮,曾伟超,王辉,
申请(专利权)人:中国南方电网有限责任公司超高压输电公司南宁局,
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。