[发明专利]一种电力巡检图像杆塔基础故障检测方法

说明书

本发明涉及一种电力巡检图像杆塔基础故障检测方法，该方法主要包括以下步骤：根据电力巡检影像数据库接口获取包含杆塔基座和塔基基础的电力巡检图像及其对应的XML标签；将获取到的数据转换生成可用于深度学习网络训练的数据文件；搭建基础网络为Resnet‑101的Faster‑Rcnn网络并利用转换生成的训练数据训练网络，最后根据训练时网络参数是否达到期望值固化深度神经网络模型。将待检测的电力巡检图像通过深度学习网络，框选出电力巡检图像中杆塔基座位置，根据杆塔基座目标框位置信息从电力巡检图像中截取出杆塔基座，最后使用多模型故障检测，融合得到塔基基础故障信息，并存入电力巡检图像故障信息数据库。本发明有效提高电力巡检的效率和智能化水平。

技术领域

本发明涉及电网运检维护技术以及电力监测技术领域，具体涉及一种电力巡检图像杆塔基础故障检测方法。

背景技术

随着经济社会的发展，发电量与用电量逐年上升。电网规模不断扩大，输电线路运检维护的工作量也随之增大，电力部门每年都要花费巨大的人力和物力资源进行运检维护工作。近几年随着电力巡检技术的不断发展，除了依靠传统人工巡检外，利用直升机或者无人机对输电线路进行巡检也变得越来越普遍。通过无人机或者直升机航拍得到的影像数据进行分析，来发现巡检中输电线路存在的故障情况。目前对电力巡检图像的处理分析主要还是依靠电力巡检人员后期人工检测，然而大量的巡检图像给后期数据分析处理带来了巨大的挑战，电力巡检人员长时间的判断处理电力巡检图像，极易产生视觉疲劳，从而导致严重的错判或者漏判。其中基础类缺陷故障往往表现为塔基被掩埋、塔基下陷，塔基下陷往往会导致原基础承受的压力增加，原铁塔基础不满足承受力，结果长期的承载力超限基础下陷或者倾斜，如果四个腿平整下陷，原铁塔呼高变化，铁塔受力变化，可能受力不满足，也可能电气不满足，导致对塔身放电。铁塔平整下陷的概率很小，可能是一个脚下陷或者所有脚倾斜下陷，这样将会导致铁塔倾斜或者倒塌。塔基被掩埋则可能导致铁塔钢材被掩埋，进而加剧钢材的腐蚀，最后造成杆塔倒塌事故。因此，及时的发现电力巡检图像中的基础类缺陷故障，进而快速地对基础类缺陷故障进行修复显得十分的重要，其能够避免重大的经济损失，为社会生产生活安全带来可靠的保障。几年来随着人工智能技术的快速发展，基于深度学习的电力巡检图像杆塔基础检测成为了可能。

发明内容

有鉴于此，本发明的目的在于提供一种电力巡检图像杆塔基础故障检测方法，方便电力巡检人员后期的处理，提高电力巡检的效率和智能化水平。

为实现上述目的，本发明采用如下技术方案：

一种电力巡检图像杆塔基础故障检测方法，包括如下步骤：

步骤S1:根据电力巡检影像库接口，从电力巡检影像数据库中获取杆塔基座和塔基基础的电力巡检图像以及对应的XML标签数据；

步骤S2:制作杆塔基座目标检测训练数据；

步骤S3:制作塔基基础故障检测训练数据;

步骤S4:构建杆塔基座目标检测模型；

步骤S5:建立塔基基础故障检测模型；

步骤S6:将杆塔基座目标检测训练数据和塔基基础故障检测训练数据转换成可用于深度学习网络训练的杆塔基座训练数据和塔基基础训练数据；

步骤S7:训练杆塔基座检测模型;

步骤S8:训练塔基基础检测模型;

步骤S9:根据步骤S7训练时各项网络参数变化情况，在达到期望数值时固化杆塔基座检测模型；

步骤10、根据步骤S8训练时各项网络参数变化情况，在达到期望数值时固化塔基基础检测模型；

步骤S11:将待检测的电力巡检图像输入到固化后的杆塔基座目标检测模型中，得到每张电力巡检图像中检测出的杆塔基座子图框信息并生成对应的文本文件；