【技术实现步骤摘要】
本专利技术属于多尺寸缺陷识别方法领域，具体地说，涉及一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法。
技术介绍
1、随着工业化和城市化的快速发展，大气污染已成为全球性问题，雾霾环境对输电线路的影响逐渐凸显。雾霾天气下，输电线路可能受到覆盖物、沉积物以及湿气等因素的影响，导致线路缺陷的形成或加剧。输电线路的安全稳定运行至关重要，而定期巡检是确保这一点的关键。传统的人工巡检模式在人烟稀少的城市边缘区域或地形复杂的山区显得成本高且难度大。随着技术的不断发展，越来越多的电网单位转向了自动化巡检。采用无人机或固定摄像头来获取输电线路的巡检图像，并通过人工智能识别算法发现线路缺陷。这种“人巡为辅，机巡为主”的模式，不仅能够降低成本、提高效率，还能够减少对人员的依赖，提高巡检的覆盖范围和深度，从而提高输电线路的整体安全性和稳定性。
2、输电线路在雾霾状况下的缺陷难以识别，进而会引起电力传输安全问题。为了确保电力系统的稳定运行和可靠供电，在雾霾环境下需要对输电线路进行缺陷识别。在输电线路进行缺陷识别时，将固定摄像头安装在输电塔或者其他...
【技术保护点】
1.一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法，其特征在于，Step1构建雾霾场景下的输电线路缺陷数据集的过程中是通过无人机航拍或固定在输电杆塔上的摄像头对存在缺陷的输电线路进行图像的采集，并在输电线路缺陷图像采集完成后，对所有的输电线路缺陷图像按坐标和类别依次进行逐一的缺陷标注，以进行后续的算法训练。
3.根据权利要求1所述的一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法，其特征在于，Step2中是通过numpy库和ope...
【技术特征摘要】
1.一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法，其特征在于，step1构建雾霾场景下的输电线路缺陷数据集的过程中是通过无人机航拍或固定在输电杆塔上的摄像头对存在缺陷的输电线路进行图像的采集，并在输电线路缺陷图像采集完成后，对所有的输电线路缺陷图像按坐标和类别依次进行逐一的缺陷标注，以进行后续的算法训练。
3.根据权利要求1所述的一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法，其特征在于，step2中是通过numpy库和opencv库为输电线路缺陷数据集加雾，模拟雾霾情况下的输电线路场景，在雾的不同区域中引入随机的浓度变化。
4.根据权利要求1所述的一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法，其特征在于，识别雾霾场景输电线路多尺寸缺陷时采用的模块包括位置信息分组捕获卷积模块lgc、小目标缺陷的加强识别头pbs-head、轻量级缺陷目标识别头sbf...
【专利技术属性】
技术研发人员：谢国波，林业恒，陈浩畅，苏庆，林志毅，黄剑锋，刘伟松，梁立辉，黄荍，
申请(专利权)人：广东工业大学，
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。