[发明专利]一种面向电力巡检视频的绝缘子缺损自动检测算法

说明书

本发明公开了一种面向电力巡检视频的绝缘子缺损自动检测算法：步骤1，对原有的电力塔架绝缘子样本数据进行分类和增强；步骤2，搭建生成卷积神经网络模型，通过步骤1增强后的数据进行训练网络模型；步骤3，将待检测图像处理并通过建立的网络模型，对通过网络模型的图片提取HOG特征，确定绝缘子在图片中的大致位置；步骤4，经步骤3确定绝缘子在图片中的大致位置后，通过CNN/LSTM深度学习方法检测绝缘子是否缺损；本发明公开的方法解决了目前电力塔架绝缘子缺损检测方法的不足，使用深度学习方法，并避免了样本中其他环境因素的影响。结合图像特征对图像做进一步处理分析，让检测过程更加准确高效。

技术领域

本发明属于图像处理、机器视觉及人工智能技术领域，涉及一种面向电力巡检视频的绝缘子缺损自动检测算法。

背景技术

在电力传输线路上，保证电力塔架及线路的安全无误，绝缘子在架空输电线路中问题的及时发现和处理至关重要，由于环境和电力变化的影响，绝缘子会造成不同程度的脏污和缺损，这会严重损害输电线路的使用寿命，甚至会烧坏设备引起停电，造成电力生产的严重事故，为了避免绝缘子故障，电力生产过程只能增加检修的次数，而人工检查效率低，可靠性差，成本很高，当前尚缺乏对绝缘子故障的自动化检查手段，相关算法和系统仍存在精度和效率方面的不足。

目前，国内外相关领域对于电力行业绝缘子的检测大致分为电量测量法和非电量测量法；其中，电量测量法通过采集电流电压信息实时分析绝缘子的运行状态；非电量的测量法包括超声波检测法、激光多普勒振动法、红外热成像的非接触检测等，2005年国内提出了一种基于瓷绝缘子局部区域特征的绝缘子破损情况视觉检测方法，该方法采用三层BP神经元网络识别目标，采用扫描分析绝缘子图像窗口纵向剖线模式来判定绝缘子的状态；

近年来，输电线路的增加导致线路运维环境越来越复杂，无人机在电力巡检中的应用弥补了人工巡检方式的不足，针对无人机巡检数据的电力塔架绝缘子的自动化、高精度检测手段将是本领域技术发展的重要方向。

发明内容

本发明的目的是提供一种面向电力巡检视频的绝缘子缺损自动检测算法，可以实现从电力巡检视频数据中自动判读是否存在绝缘子缺损的情况。

本发明采用一种面向电力巡检视频的绝缘子缺损自动检测算法，具体按以下步骤实施：

步骤1，对原有的电力塔架绝缘子样本数据进行分类和增强；

步骤2，搭建生成卷积神经网络模型，通过步骤1增强后的数据进行训练网络模型，通过卷积神经网络模型进行分类；

步骤3，将经步骤2分类后的数据处理并通过建立的网络模型，对通过网络模型的图片提取HOG特征，确定绝缘子在图片中的大致位置；

步骤4，经步骤3确定绝缘子在图片中的大致位置后，通过CNN/LSTM深度学习方法进行检测绝缘子是否缺损。

本发明的特点还在于：

其中步骤1具体内容包括：

首先提取已有的电力塔架绝缘子样本数据，得到原始的样本图像，将数据分为含有绝缘子和不含绝缘子两类数据，并将两类数据分为测试集数据和训练集数据；

然后在python环境下调用图像处理库，定义增强因子，对原始图像进行数据增强；

其中步骤2具体为通过卷积神经网络对数据进行筛选分类，排除掉不含绝缘子的无效图片，具体步骤如下：

步骤2.1，利用Tensorflow搭建卷积神经网络模型，将步骤1得到的3通道的图像数据即训练数据集作为网络模型训练的输入；

第一层卷积层，输入数据经过16个卷积核，卷积核大小为3*3*3，步长为1，padding设为same；