[发明专利]电力巡检图像缺陷识别方法和系统、电力巡检无人机

说明书

本发明公开了一种电力巡检图像缺陷识别方法，包括：创建并且级联目标检测网络和多个分类网络；获取若干帧巡检图像样本，对巡检图像样本中的目标进行标注，生成训练样本集；采用训练样本集对级联网络进行训练，其中，每一网络层的量化参数与其所在网络层的量化级数和量化的范围相关；采用训练好的级联网络对新获取的巡检图像中的缺陷进行识别。本发明能够针对电网杆塔及架空线路的运维，给出了一种有效的FPGA机载识别系统，相应的量化函数可以确保不同网络层的不同通道均能得到合适的量化，最大限度地保留网络的精度；通过级联目标检测网络和分类网络，极大地提高缺陷检测准确率、使电网的无人机巡检真正实现自动化识别。

技术领域

本发明涉及人工智能技术领域，具体而言涉及一种电力巡检图像缺陷识别方法和系统、电力巡检无人机。

背景技术

国家电网建设的输电线路长达几百万公里，如此长距离的配网架空线路的运维，须全面借助无人机的综合巡检。常用的无人机平台配置高速图像模块，红外、紫外成像传感模块，特高频局放、超声波局放传感模块等设备，以完成综合巡检作业。其中，高速图像模块主要是实现飞行条件下可见光的视频图像采集功能，通过无人机搭载高分辨率可见光相机进行巡检拍摄的可见光图像，可以检测出配网线路导线的散股、断股、绝缘子脱落、销钉脱落、螺母缺失、塔基树木遮挡、杆塔线网鸟巢等缺陷信息。红外成像传感模块(红外热像仪)主要用来检测导线接头、线夹等部件的发热故障。这一解决方案是基于人工判图识别缺陷，检修效率低。

为了解决这一问题，部分部件的缺陷检测转由各自对应的识别系统进行识别。例如，专利号为CN110069975A的发明“一种基于神经网络的导线开股识别方法及系统”中提出了针对导线开股缺陷的识别方法，专利号为CN110309865A的发明“一种无人机巡视输电线路销钉缺陷分级图像识别方法”中提出了针对销钉缺陷的识别方法，专利号为CN110378222A的发明“一种输电线路防震锤目标检测与缺陷识别方法及装置”中提出了针对防振锤缺陷的识别方法。

但现有技术只能针对其中一种或有限的几种缺陷进行检测，而实际上，一次巡检任务通常需要对整个输电线路的大部分或者所有部件进行检测，输电线路部件种类和缺陷种类繁多，如果通过每次更换针对性识别系统的方式，巡检任务将会变得相当繁重，而如果想要创建能够检测多个目标的识别系统，又存在以下两个问题：一、识别系统结构复杂，难以创建；二、对于同时检测多种缺陷的识别系统，由于不同目标的识别方式采用的参数不一，甚至存在异常权值等参数，整个识别系统的计算量大，实际检测精度和准确度低。

发明内容

本发明目的在于提供一种电力巡检图像缺陷识别方法和系统、电力巡检无人机，针对电网杆塔及架空线路的运维，给出了一种有效的FPGA机载识别系统，相应的量化函数可以确保不同网络层的不同通道均能得到合适的量化，最大限度地保留网络的精度；通过级联目标检测网络和分类网络，极大地提高缺陷检测准确率、使电网的无人机巡检真正实现自动化识别。

为达成上述目的，结合图1，本发明提出一种电力巡检图像缺陷识别方法，所述识别方法包括：

S1：创建并且级联目标检测网络和多个分类网络，所述目标检测网络用于定位巡检图像中的目标图像信息并且截取定位到的目标图像信息传送至下一级分类网络，所述分类网络用于判断对应的目标图像信息中是否存在缺陷；

S2：获取若干帧巡检图像样本，对巡检图像样本中的目标进行标注，标注项包括目标类型、目标位置、缺陷类型、缺陷位置，生成训练样本集；

S3：采用训练样本集对级联网络进行训练，其中，每一网络层的量化参数与其所在网络层的量化级数和量化的范围相关；

S4：采用训练好的级联网络对新获取的巡检图像中的缺陷进行识别。

进一步的实施例中，步骤S2中，所述目标类型包括导线、绝缘子、防震锤、销钉螺母、塔基、鸟巢。