[发明专利]基于部署在后端服务器中模型的杆塔缺陷巡检的方法

说明书

本发明涉及无人机巡检领域，公开了一种基于部署在后端服务器中模型的杆塔缺陷巡检的方法，包括如下步骤：A)采集杆塔缺陷样本图片，手工标注塔缺陷样本图片中杆塔缺陷所在坐标及其类型，每个杆塔缺陷样本图片连续采集设定帧数的图像；B)通过数据增强算法增加杆塔缺陷样本图片的数量；C)采用结合时空维度的深度卷积神经网络训练杆塔缺陷检测模型；D)将杆塔缺陷检测模型部署到后端服务器；E)采集无人机的实时视频，从中获取关键帧图像，并将其传输到后端服务器，后端服务器调用杆塔缺陷检测模型进行杆塔缺陷的检测，当检测到杆塔缺陷时，发出预警。本发明能对杆塔缺陷进行识别预警，能稳定检测电力设施的安全状况，保障线路的安全运营。

技术领域

本发明涉及无人机巡检领域，特别涉及一种基于部署在后端服务器中模型的杆塔缺陷巡检的方法。

背景技术

电力工业是关系国计民生的支柱产业，电力系统的安全稳定运行具有重大战略意义。建设放在电力物联网是落实“三型两网、世界一流”战略目标的核心任务。科技的进步使人们对电力系统的安全稳定运行有了新的要求，电力系统的不断强大不仅给人们带来了生活和工作上的便利，但是也带来了更多复杂的电力安全稳定问题。目前对杆塔的状态监测基本是通过人工进行监测，由于人工不是时时刻刻都在进行监测，就可能会出现当杆塔出现缺陷时，人工没有及时发现故障，导致不能稳定检测电力实施的安全状况，不能保障线路的安全运营。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种能对杆塔缺陷进行识别预警，能稳定检测电力设施的安全状况，保障线路的安全运营的基于部署在后端服务器中模型的杆塔缺陷巡检的方法。

本发明解决其技术问题所采用的技术方案是：构造一种基于部署在后端服务器中模型的杆塔缺陷巡检的方法，包括如下步骤：

A)采集杆塔缺陷样本图片，构成杆塔缺陷样本集，手工标注所述杆塔缺陷样本图片中杆塔缺陷所在坐标及其类型，每个所述杆塔缺陷样本图片连续采集设定帧数的图像；

B)通过数据增强算法增加所述杆塔缺陷样本集中杆塔缺陷样本图片的数量；

C)采用结合时空维度的深度卷积神经网络训练杆塔缺陷检测模型；

D)将所述杆塔缺陷检测模型部署到后端服务器；

E)采集无人机的实时视频，获取关键帧图像，将所述关键帧图像传输到所述后端服务器，所述后端服务器调用所述杆塔缺陷检测模型进行杆塔缺陷的检测，当检测到杆塔缺陷时，发出预警。

在本发明所述的基于部署在后端服务器中模型的杆塔缺陷巡检的方法中，所述步骤B)进一步包括：

B1)对所述杆塔缺陷样本图片加入随机噪声，得到有噪声干扰的样本图像；

B2)将所述有噪声干扰的样本图像分别进行顺时针方向和逆时针方向设定角度以内的角度旋转，得到不同旋转角度下的样本图像；

B3)将所述不同旋转角度下的样本图像进行光度学图像增强，改变其亮度、对比度和饱和度，增加高斯噪声，得到不同光度下的样本图像；

B4)将所述不同光度下的样本图像输入对抗生成网络，将所述对抗生成网络输出的图片作为杆塔缺陷样本图片加入到所述杆塔缺陷样本集中。

在本发明所述的基于部署在后端服务器中模型的杆塔缺陷巡检的方法中，所述步骤C)进一步包括：

C1)构建基础网络层，将所述杆塔缺陷样本图片中的第一帧图像送入所述基础网络层，得到第一输出图像；所述基础网络层分别由6层卷积层、池化层和ReLU激活函数构成；