[发明专利]一种智能巡线故障识别方法

说明书

本发明公开了一种智能巡线故障识别方法，涉及电力巡线故障识别领域；其包括步骤1：将无人机采集的图像分为N个区域后进行图像增强，获取预处理后的图像，N为大于1的正整数；步骤2：将上述图像分类为测试集和训练集，将训练集输入构建的识别网络获取输出结果，基于输出结果利用高度差和深度信息过滤输出结果中的影响因子，完成训练；步骤3：将测试集输入已训练的识别网络获取识别结果。本发明通过对图像进行分区、分区数据进行图像增强、训练识别过程考虑影响因子，提高图像识别速度和准确度，利于实现自动识别、快速识别巡线故障，大大减少工作人员工作量。

技术领域

本发明涉及电力巡线故障识别领域，尤其是一种智能巡线故障识别方法。

背景技术

随着大电网互联以及电网规模的不断扩大，电网运行的安全稳定问题引起了广泛关注。一方面，基层巡线工作往往参照运行经验进行组织。但随着线路运行环境的不断变化，运行经验亦在不断发生改变。另一方面，随着运行线路的不断延伸，巡线工作量的增加与巡线人员不足的矛盾日益凸显。因此，实现输电线路精细化巡线，提高输电线路运维效率，已受到了电力运行单位的广泛关注。

目前，各级线路运检部门主要采用人工巡检方式，并辅以直升机、无人机等先进技术进行协同作业，以期提高作业效率。但该方式需人工对多源影像进行判读，工作量巨大并且常发生漏判以及通过经验判断的情况，造成上述问题的主要原因在于：一方面，目前的人工巡检方式仍停留在人工记录/录入线路运行与缺陷故障数据的单侧信息化阶段，而输电通道运行状况复杂，运维人员在现场评判设备运行及通道状况所能获取信息有限，易造成风险评估偏差；另一方面，线路巡检作业缺乏统一标准流程，巡检工作的自由发挥会造成巡视不到位、重要巡视项目缺失等状况。鉴于这种由线路巡检信息化程度不足和标准缺失给电网稳定运行带来的隐患，目前迫切需要一种智能巡线故障识别方法，以提高输电线路巡检作业的效率和可靠性。

发明内容

本发明的目的在于：本发明提供了一种智能巡线故障识别方法，利用分区域进行图像增强、训练结果过滤影响因子，提高识别精度和速度。

本发明采用的技术方案如下：

一种智能巡线故障识别方法，包括如下步骤：

步骤1：将无人机采集的图像分为N个区域后进行图像增强，获取预处理后的图像，N为大于1的正整数；

步骤2：将上述图像分类为测试集和训练集，将训练集输入构建的识别网络获取输出结果，基于输出结果利用高度差和深度信息过滤输出结果中的影响因子，完成训练；

步骤3：将测试集输入已训练的识别网络获取识别结果。

优选地，所述步骤1包括如下步骤：

步骤1.1：将无人机采集的图像按数据流分为N个区域；

步骤1.2：对每个区域内的图像进行空间转换、滤波和变换完成图像增强，获取预处理后的图像。

优选地，所述步骤2包括如下步骤：

步骤2.1：将预处理后的图像按比例分为测试集和训练集；

步骤2.2：构建包括输入层、卷积层和全连接层的识别网络，将训练集输入所述识别网络进行映射获取输出结果；

步骤2.3：基于输出结果利用高度差和深度信息过滤输出结果中的地面影响因子，获取训练输出结果，完成训练；所述影响因子包括地面杂线和地面塔。

优选地，所述步骤1.2包括如下步骤：

步骤1.2.1：将预处理后的图像从RGB空间转换至YUV空间，提取YUV空间的强度通道Y作为灰度图像I；

步骤1.2.2：利用局部极值滤波器对灰度图像I进行迭代滤波，将滤波结果作为图像的照度分量L；