欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021108800166
申请人: 郑州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种电力巡检图像的绝缘子缺陷定位方法,其特征在于,其步骤如下:步骤一:将采集的巡检图像中的绝缘子进行标注,建立绝缘子检测数据集,利用绝缘子检测数据集对目标检测算法进行训练得到绝缘子识别模型;

所述目标检测算法采用基于GIoU策略的YOLOv3算法,且采用迁移学习、小批量梯度下降方法对绝缘子识别模型进行训练;

步骤二:将采集的巡检图像中的绝缘子进行标注,建立边缘分割数据集,利用边缘分割数据集对改进的深度学习网络U‑Net进行训练,得到绝缘子分割模型;

所述步骤二中使用Labelme软件对巡检图像中的绝缘子进行标注,采用Canny算子进行边缘提取作为边缘分割数据集,同时采用翻转、随机裁剪和缩放变换的方式增加边缘分割数据集的数据量;

完成一张图片上所有绝缘子的标注后,Labelme软件生成json文件,json文件记录了所标注的每个绝缘子的信息;批量地将所有巡检图像的json文件转换成掩码标签文件,将掩码标签文件进行二值化处理,得到边缘分割数据集;

所述改进的深度学习网络U‑Net中增加了多任务学习的思想,在分割任务的基础上引入了边缘提取任务作为网络分支;改进的深度学习网络U‑Net中加入了ECA注意力机制模块;

所述边缘提取任务相当于对分割任务的网络进行深监督,提取解码器最终输出的特征图用于辅助的边缘提取网络分支;所述多任务学习的思想是在主干网络的基础上增加一条支路来对边缘进行分割,主干网络采用经典的编码‑解码结构,由一个编码器和两个解码器组成,编码器用于提取特征图,两个解码器分别用于对边缘信息的提取和对整个绝缘子轮廓的提取;

所述改进的深度学习网络U‑Net分成压缩路径和扩展路径两个部分,压缩路径是由4个block组成,每个block使用3个有效卷积和1个最大池化降采样,然后将降采样后得到的特征图的数量乘以2,经过一系列的卷积池化操作得到了尺寸为32*32的特征图;扩展路径也是由4个block组成,每个block开始之前通过反卷积将特征图的尺寸乘2,同时将其个数减半,然后和压缩路径的特征图合并;将压缩路径的特征图进行剪裁,得到与扩展路径的特征图相同尺寸大小后再进行归一化,输出了两个尺寸相同的特征图;

所述ECA注意力模块在不降低维度的情况下进行逐通道全局平均池化,通过考虑每个通道及其k个近邻来捕获本地跨通道交互;k的大小采用自适应的确定方法,内核大小k与通道维数成正比;

改进的深度学习网络U‑Net采用小批量梯度下降的方法进行优化;改进的深度学习网络U‑Net训练过程中,采用SGD优化器,采用Cosine Annealing学习率衰减策略,损失函数值越来越接近全局最小值时,学习率变得越来越小;

步骤三:将待处理的巡检图像输入到绝缘子识别模型中进行检测,得到待处理的巡检图像的绝缘子数量和位置,并用方框进行标记;将标记后的图像输入到步骤二中的绝缘子分割模型进行分割,得到二值化的绝缘子图像;

步骤四:通过最小二乘法对二值化的绝缘子图像中的绝缘子串进行数学建模,利用数学建模对绝缘子缺陷进行检测,判别绝缘子串缺陷的位置和数量;

所述利用数学建模对绝缘子缺陷进行检测的方法为:

S1:以二值化的绝缘子图像的左下角像素点为原点,水平边沿为X轴,垂直边沿为Y轴,建立直角坐标系;通过最小二乘法对绝缘子图像中的绝缘子串进行拟合,拟合出一条穿过绝缘子串中心的直线L;

S2:利用两直线互相垂直的公式,求得与直线L互相垂直的直线D;

S3:利用直线D水平移动在绝缘子串上扫描,记录下每次扫描得到的像素点个数;将绝缘子串上每个绝缘子片上的像素点总和与判别阈值进行比较,当像素点总和大于判别阈值时,则判定绝缘子片正常;当像素点总和小于判别阈值时,则判定绝缘子片破损或者缺失;

S4:当把绝缘子串上的所有绝缘子片扫描完毕后,显示出破损绝缘子的位置和数量。

2.根据权利要求1所述的电力巡检图像的绝缘子缺陷定位方法,其特征在于,所述步骤一中使用LabelImg软件对巡检图像中的绝缘子进行标注,将巡检图像中所有的绝缘子用方框框起来,并选择物体所属的类目,建立绝缘子检测数据集;并通过水平翻转、随机裁剪和缩放变换的数据扩增方法增加绝缘子检测数据集的数据量。

3.根据权利要求1或2所述的电力巡检图像的绝缘子缺陷定位方法,其特征在于,所述的GIoU策略的实现方法为:g g

1)计算实际框B 的面积: 其中,实际框B 的边界框坐标为

p p

2)计算预测框B 的面积: 其中,预测框B 的边界框坐标为

且

p g

3)计算预测框B和实际框B的交集I:

c

4)找到最小封闭框B的坐标:

c

5)计算最小封闭框B的面积:

p g

6)计算交并比 其中U=A+A‑I;

7)

8)计算损失函数LIoU=1‑IoU,LGIOU=1‑GIoU。

4.根据权利要求1所述的电力巡检图像的绝缘子缺陷定位方法,其特征在于,所述步骤S1中通过最小二乘法对绝缘子图像中的绝缘子串进行拟合的方法为:遍历二值化的绝缘子图像中所有的像素点,然后将所有白色像素点的横坐标存放在数组x中,将所有白色像素点的纵坐标放在数组y中;利用最小二乘法对所有的白色像素点进行拟合,得到绝缘子串的中心直线L;设直线方程L的表达式为:Y=AX+B,其中,A为中心直线Z的斜率,B为中心直线Z的截距;

所述最小二乘法的拟合原理是对直线L的参数求偏导,使得实际值y与观测值y’两者的误差最小: 其中,所有白色像素点的坐标(xj,yj),j=0,1,2,…,N,N为白色像素点的个数;

分别对参数A和B求偏导可得:

进行整理得:

求解得参数A和B的值分别为:

把所有观测点的数据(xj,yj),j=1,2...N代入直线L的直线方程,使之达到最小值Y=AX+B,继而求出最佳估计值A和B,得到拟合出的直线L方程。

5.根据权利要求4所述的电力巡检图像的绝缘子缺陷定位方法,其特征在于,所述判别阈值的获取方法是:根据绝缘子串的外形包括多个绝缘子片,根据扫描得到的像素点计算出每个绝缘子片上的像素点总和,取其平均值作为每个二值化的绝缘子图像的判别阈值。