[发明专利]基于胶囊网络的绝缘子缺陷识别定位装置及方法

说明书

基于胶囊网络的绝缘子缺陷识别定位装置及方法，建立深度学习模型，采用基于胶囊网络结构的目标检测，初始化配置胶囊网络卷积层、胶囊层和决策层的参数，通过训练集机巡图像训练检测绝缘子的存在和姿态，并对决策层的参数进行预测；将需要判别的原始机巡图像，通过胶囊网络输出绝缘子的具体位置，并将图像分割提取出来备用，对分割后的图像调用绝缘子特征提取模块；将提取出的绝缘子特征串分上下两部分，并逐行扫描阈值分割后得到的绝缘子特征图，统计每行像素点，确定绝缘子所在的最大连通区域，计算绝缘子主轴方向，旋转绝缘子至水平方向，得到绝缘子的异常位置。本发明大大提高绝缘子缺陷识别的效率，为电网维修部门提供可靠的技术支持。

技术领域

本发明涉及智能电网中的输电线路维修技术领域，具体涉及一种基于胶囊网络的绝缘子缺陷识别定位装置及方法。

背景技术

胶囊网络是一种新的热门的神经网络架构，对深度学习带来深远的影响，特别是对计算机视觉领域。一个胶囊网络是由胶囊而不是由神经元构成。一个胶囊是一小群神经元，它们可以学习在一个图片的一定区域内检查一个特定的对象(比如，一个矩形)。它的输出是一个向量(例如，一个8维的向量)。每个向量的长度代表了物体是否存在的估计概率，它的方向(例如在8维空间里)记录了物体的姿态参数(比如，精确的位置、旋转等)。如果物体有稍微的变化(比如，移动、旋转、尺寸变化等)，胶囊将也会输出一个长度相同但是方向稍微变化的向量，胶囊是等变的。和常规神经网络很类似，胶囊网络也是由多层构成，处于最底层的胶囊被称为向量胶囊：它们每个都只用图片的一小部分区域作为输入(称为感知域)，然后试图去探测某个特殊的模式(例如，一个矩形)是否存在，以及姿态如何。

胶囊网络是一种先进的神经网络体系结构，对卷积神经网络的很多缺陷进行了弥补，并且数据准备以及多样性等都得到了提升。与其他神经网络相比，胶囊网络具有以下优势：

(1)反脆弱性：在不同视角下对同一个物品的相同感知(标签)，这使得胶囊网络在相同性能的基础上，可以使用比CNN少得多的训练数据；

(2)可解释性强：利用冗余来对抗复杂，让模型模仿人类大脑用冗余带动生产的能力，来对抗复杂的问题；

(3)可扩展性：胶囊网络在整个网络中保留详细的姿态信息(如精确的对象位置，旋转，厚度，歪斜，大小等等)，这些信息可以为缺陷识别工作提供有利的支持。

对输电线路进行定期巡视和检查，及时了解输电线路运行情况，鉴别并排除输电线路的各类缺陷和隐患，是供电企业一项必要而繁重的工作。传统的人工巡检方式耗费大量人力，并且效率低下。而无人机巡检具有工作效率高、不受地域影响、巡检质量高、安全性能高等优点，因此，在电力巡线作业中得到了广泛的应用，与此同时，对海量无人机巡检图像的目标识别和信息挖掘的需求也越来越强烈。

绝缘子是安装在不同电位的导体或导体与接地构件之间的能够耐受电压和机械应力作用的器件，作为一种特殊的绝缘控件，对于架空输电线路的使用和运行寿命有着重要的作用，绝缘子的完好无损直接影响着电力系统的安全运行。现有大多缺陷识别算法都是直接对机巡图像(无人机巡检图像)进行一系列图像处理，但是，由于真实环境的多样性和复杂性，巡检图像通常具有小部件与背景对比度低、存在大量噪声干扰等问题。因此，直接对巡检图像进行缺陷检测难以达到较高的准确率。

发明内容

本发明的目的在于提供一种基于胶囊网络的绝缘子缺陷识别定位装置及方法，能够解决现有基于机巡图像对绝缘子进行缺陷识别算法在多样地域环境带来的复杂背景干扰下鲁棒性较差问题，能够大大提高绝缘子缺陷识别的效率，为电网维修部门提供可靠的技术支持。

为实现上述目的，本发明的技术方案为：基于胶囊网络的绝缘子缺陷识别定位装置，所述识别定位装置包括：

机巡图像解析模块，用于对待检测的机巡图像进行属性信息解析；

机巡图像存储模块，用于对解析后的机巡图像进行分类存储管理；