[发明专利]基于YOLO的绝缘子红外故障定位诊断方法及装置

说明书

本发明公开了一种基于YOLO的绝缘子红外故障定位诊断方法及装置，包括获取绝缘子红外劣化图像；对所述绝缘子红外劣化图像中的故障发热点进行批量框选；建立绝缘子红外劣化识别库，采用YOLO算法对所述绝缘子红外劣化识别库进行绝缘子红外诊断训练和绝缘子红外诊断识别，从而完成绝缘子红外故障定位。本发明的技术方案能够实现自动对绝缘子红外图像中的故障的识别及定位诊断，节省了红外运检方法中人工排查的环节，提高了工作效率和检测准确度。

技术领域

本发明涉及电故障诊断领域，特别是基于YOLO的绝缘子红外故障定位诊断方法及装置。

背景技术

绝缘子的在线监控与劣化诊断对于维护电力系统安全稳定运行具有重要意义。在电网运行中，电力设备部件因绝缘破损、接触面氧化腐蚀、设计载流量不足等原因劣化并过热运行，从而具有异于常态的温度分布热像图。目前的红外运检策略，往往通过现场采集数据，经由后台技术人员依据温升差异进行经验排查，评估绝缘子的运行状态。由于电网规模增长，输变电设备带电红外检测的过程中，会出现伪彩色类型多样、背景干扰复杂、拍摄角度不一、红外图像叠加图形字符等多种干扰问题，在加上直升机、无人机、机器人巡线的大量应用，导致红外运检中产生大量红外图像积压，通过人工评估绝缘子状态的方法已不能满足效率及准确度的要求，影响了红外运检的发展。

发明内容

为解决上述问题，本发明的目的在于提供一种基于YOLO的绝缘子红外故障定位诊断方法及装置，实现自动对绝缘子红外图像中的故障的识别及定位诊断，节省了红外运检方法中人工排查的环节，提高了工作效率和检测准确度。

本发明解决其问题所采用的技术方案是：

本发明的第一方面，提供了一种基于YOLO的绝缘子红外故障定位诊断方法，包括以下步骤：

获取绝缘子红外劣化图像；

对所述绝缘子红外劣化图像中的故障发热点进行批量框选；

建立绝缘子红外劣化识别库，采用YOLO算法对所述绝缘子红外劣化识别库进行绝缘子红外诊断训练和绝缘子红外诊断识别，从而完成绝缘子红外故障定位。

进一步地，所述获取绝缘子红外劣化图像，包括采用红外热成像技术对绝缘子进行主动热激励，使所述绝缘子内部的异性结构以表面温场变化的差异形式表现出来，从而获得绝缘子红外劣化图像。

进一步地，所述绝缘子红外诊断训练包括以下步骤：

建立以Darknet-53为基础的YOLO底层模型框架；

依据劣化绝缘子的红外特征确立若干个网络节点输出尺寸；

依据训练图像的大小调节参数，放缩所述图像，依据所述网络节点选择Batch_size，通过前向传播和后向传播迭代进行训练，当训练达到最优IoU及最低LOSS值时，保存权重并退出训练；其中IoU表示图像处理的交并比；LOSS表示网络实际输出值与样本标签值之间的偏差；Batch_size表示一次训练所选取的样本数。

进一步地，所述网络节点输出尺寸，包括13×13×18，26×26×18，52×52×18。

进一步地，所述放缩所述图像，依据所述网络节点选择Batch_size，包括使所述图像放缩在100-280之间，依据所述网络节点选择Batch 64。

进一步地，所述绝缘子红外诊断识别，包括以下步骤：

通过下采样尺度设定9种不同尺寸的先验框；

采用尺寸最大的三个所述先验框对13×13的特征图进行特征检测提取，采用尺寸中等的三个所述先验框对26×26的特征图进行特征检测提取，采用尺寸最小的三个所述先验框对52×52的特征图进行特征检测提取，从而形成各自的特征库；