【技术实现步骤摘要】
本专利技术涉及绝缘子检测，尤其涉及一种复合绝缘子检测方法及装置。
技术介绍
1、绝缘子是一种用于导线、杆塔之间的绝缘支撑装置，在输电线路中用量庞大。其中复合绝缘子机械性能好，凭借其重量轻，无零值和易维护等优势应用广泛。然而，复合绝缘子长期暴露在户外，受到气候和环境的影响，绝缘材料会慢慢老化，出现局部异常发热，从而引发电力事故。因此，为保证输电线路的正常运行，定时定期对复合绝缘子进行检测至关重要。
2、近年来，随着计算机硬件和深度学习算法的发展，基于计算机视觉的缺陷检测逐渐成为主流。深度学习算法具有良好的检测精度和推理速度，能更好应用于输电线路巡检目标检测中。然而复合绝缘子目标检测中存在正负样本不均衡、类别样本不均衡的问题，导致网络学习偏向于学到负样本特征信息，出现目标漏检、误检的问题。此外，杆塔、输电线等无关背景会产生干扰，导致复合绝缘子特征不易捕获，定位质量与得分不匹配，从而导致目标检测定位预测框质量低。
3、因此，急需提出一种复合绝缘子检测方法及装置，解决现有技术中复合绝缘子检测过程中存在样本不均衡和目标定位精度低的技术问题。
技术实现思路
1、
2、有鉴于此，有必要提供一种复合绝缘子检测方法及装置，用以解决现有技术中复合绝缘子检测过程中存在样本不均衡和目标定位精度低的技术问题。
3、为了解决上述问题，本专利技术提供一种复合绝缘子检测方法，包括：
4、获取输电线路的初始红外图像；
5、对所述初始红外图像进行
6、根据所述样本类别，确定每个初始特征图的自适应系数；
7、根据所述样本类别和所述自适应系数对所述每个初始特征图进行计算，得到所述每个初始特征图的自适应预测概率；
8、根据所述自适应预测概率和所述样本类别对所述所有初始特征图进行分类筛选，得到绝缘子检测结果。
9、在一种可能的实现方式中，所述方法还包括：
10、获取输电线路的红外图像数据集，并确定所述红外图像数据集中每个红外图像的复合绝缘子；
11、对所有复合绝缘子进行标注，确定每个复合绝缘子对应的标签，并根据所述标签，确定所述每个复合绝缘子对应的样本类别；
12、根据所述所有复合绝缘子、所述标签和所述样本类别对预设神经网络进行训练，得到目标神经网络；
13、所述对所述初始红外图像进行自适应特征提取和融合，得到所有目标真值框、每个目标真值框的样本类别和所有初始特征图，包括：
14、根据所述目标神经网络对所述初始红外图像进行自适应特征提取和融合，得到所有目标真值框、每个目标真值框的样本类别和所有初始特征图。
15、在一种可能的实现方式中，所述对所述初始红外图像进行自适应特征提取和融合，得到所有目标真值框、每个目标真值框的样本类别和所有初始特征图，包括：
16、对所述初始红外图像进行自适应特征提取，得到所有目标真值框和所述每个目标真值框的样本类别；
17、对所述所有目标真值框进行特征融合，得到所有初始特征图。
18、在一种可能的实现方式中，所述对所述初始红外图像进行自适应特征提取，得到所有目标真值框和所述每个目标真值框的样本类别，包括：
19、对所述初始红外图像进行特征提取，得到每个特征的初始真值框；
20、根据所述初始真值框的高宽比对所述初始真值框进行自适应调整，得到所有目标真值框和所述每个目标真值框的样本类别。
21、在一种可能的实现方式中，所述根据所述初始真值框的高宽比对所述初始真值框进行自适应调整，得到所有目标真值框和所述每个目标真值框的样本类别，包括：
22、确定所述初始真值框的高宽比，对所述高宽比大于预设高宽比的目标初始真值框进行自适应调整，得到所述每个目标初始真值框的调整边长；
23、根据所述调整边长，得到所述每个目标初始真值框对应的目标真值框和中心扩展区域；
24、判断所述目标真值框对应的特征的像素点是否处于对应的中心扩展区域内；
25、若是，则将所述目标真值框的特征的样本类别确定为正样本；
26、若否，则将所述目标真值框的特征的样本类别确定为负样本。
27、在一种可能的实现方式中，所述根据所述样本类别和所述自适应系数对所述每个初始特征图进行计算，得到所述每个初始特征图的自适应预测概率，包括：
28、将所述每个初始特征图分别与所述正样本和所述负样本中的其他特征进行相似度比较，得到所述每个初始特征图的预测概率；
29、对所述样本类别、所述预测概率和所述自适应系数进行计算，得到所述每个初始特征图的自适应预测概率。
30、在一种可能的实现方式中，所述根据所述自适应预测概率和所述样本类别对所述所有初始特征图进行分类筛选，得到绝缘子检测结果，包括：
31、根据所述样本类别对所述所有初始特征图进行分类，得到每个样本类别对应的目标特征图；
32、基于非极大值抑制算法分别对所述每个样本类别中的所有目标特征图进行筛选，得到绝缘子检测结果。
33、在一种可能的实现方式中，所述基于非极大值抑制算法分别对所述每个样本类别中的所有目标特征图进行筛选，得到绝缘子检测结果，包括：
34、基于非极大值抑制算法对每个目标特征图进行计算，得到所述每个目标特征图对应的置信度得分；
35、根据所述置信度得分分别对所述每个样本类别中的所有目标特征图进行排序，得到最高得分特征图；
36、根据所述最高得分特征图分别对所述每个样本类别中的其他目标特征图进行处理，得到绝缘子检测结果。
37、在一种可能的实现方式中，所述根据所述最高得分特征图分别对所述每个样本类别中的其他目标特征图进行处理，得到绝缘子检测结果，包括：
38、将所述最高得分特征图分别与所述每个样本类别中的其他目标特征图进行比较，得到每个其他目标特征图的交并比；
39、将所述交并比小于等于预设交并比的其他目标特征图，确定为绝缘子检测结果。
40、另一方面，本专利技术还提供了一种复合绝缘子检测装置，包括：
41、图像获取模块，用于获取输电线路的初始红外图像；
42、特征处理模块，用于对所述初始红外图像进行自适应特征提取和融合，得到所有目标真值框、每个目标真值框的样本类别和所有初始特征图；
43、因子确定模块，用于根据所述样本类别，确定每个初始特征图的自适应系数；
44、概率预测模块，用于根据所述样本类别和所述自适应系数对所述每个初始特征图进行计算，得到所述每个初始特征图的自适应预测概率；
45、结果确定模块，用于根据所述自适应预测概率和所述样本类别对所述所有初始特征图进行分类筛选，得到绝缘子检测结果。
46本文档来自技高网...
【技术保护点】
1.一种复合绝缘子检测方法，其特征在于，包括：
2.根据权利要求1所述的复合绝缘子检测方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的复合绝缘子检测方法，其特征在于，所述对所述初始红外图像进行自适应特征提取和融合，得到所有目标真值框、每个目标真值框的样本类别和所有初始特征图，包括：
4.根据权利要求3所述的复合绝缘子检测方法，其特征在于，所述对所述初始红外图像进行自适应特征提取，得到所有目标真值框和所述每个目标真值框的样本类别，包括：
5.根据权利要求4所述的复合绝缘子检测方法，其特征在于，所述根据所述初始真值框的高宽比对所述初始真值框进行自适应调整，得到所有目标真值框和所述每个目标真值框的样本类别，包括：
6.根据权利要求1所述的复合绝缘子检测方法，其特征在于，所述根据所述样本类别和所述自适应系数对所述每个初始特征图进行计算，得到所述每个初始特征图的自适应预测概率，包括：
7.根据权利要求1所述的复合绝缘子检测方法，其特征在于，所述根据所述自适应预测概率和所述样本类别对所述所有初始特征图进行分类
8.根据权利要求7所述的复合绝缘子检测方法，其特征在于，所述基于非极大值抑制算法分别对所述每个样本类别中的所有目标特征图进行筛选，得到绝缘子检测结果，包括：
9.根据权利要求8所述的复合绝缘子检测方法，其特征在于，所述根据所述最高得分特征图分别对所述每个样本类别中的其他目标特征图进行处理，得到绝缘子检测结果，包括：
10.一种复合绝缘子检测装置，其特征在于，包括：
...【技术特征摘要】
1.一种复合绝缘子检测方法，其特征在于，包括：
2.根据权利要求1所述的复合绝缘子检测方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的复合绝缘子检测方法，其特征在于，所述对所述初始红外图像进行自适应特征提取和融合，得到所有目标真值框、每个目标真值框的样本类别和所有初始特征图，包括：
4.根据权利要求3所述的复合绝缘子检测方法，其特征在于，所述对所述初始红外图像进行自适应特征提取，得到所有目标真值框和所述每个目标真值框的样本类别，包括：
5.根据权利要求4所述的复合绝缘子检测方法，其特征在于，所述根据所述初始真值框的高宽比对所述初始真值框进行自适应调整，得到所有目标真值框和所述每个目标真值框的样本类别，包括：
6.根据权利要求1所述的复合...
【专利技术属性】
技术研发人员：石英，李长武，谢雨霏，叶鑫豪，刘世健，
申请(专利权)人：武汉理工大学，
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。