[发明专利]一种GIS设备腔体内部异物检测方法及系统

说明书

本发明公开了一种GIS设备腔体内部异物检测方法及系统，包括：构建GIS设备腔体内部异物检测模型，建立GIS腔体异物样本库；基于GIS腔体异物样本库对所述检测模型进行训练，对训练好的检测模型进行压缩；获取GIS设备腔体内部图像信息，将所述信息实时输入到压缩后的检测模型，输出检测结果，实现对GIS设备腔体内部异物的实时识别。本发明基于通道剪枝的模型压缩算法，能够减少模型部署的规模，提高目标检测算法的实时性，实现智能算法在机器人前端部署。

技术领域

本发明涉及图像智能分析和计算机视觉技术领域，尤其涉及一种GIS设备腔体内部异物检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

在电力系统中，气体绝缘开关设备(GasInsulatedSwitchgear，GIS)是关键的变电设备之一，应用越来越广泛，在电力传输过程中有着至关重要的作用。GIS设备将各组成元件封闭组合，一般不受外界环境的干扰，噪声小，电磁波干扰弱，后期维护工作少。但GIS设备有其固有的缺点：由于SF6气体的泄漏、外部水分的渗入、导电杂质的存在、绝缘子老化等因素影响，都可能导致GIS设备内部闪络故障产生一些粉末状异物；在GIS设备安装、检修过程中遗留在内部的工具、螺钉、螺母等异物；因环境条件差，安装检修时进入腔体内的沙粒或隔离开关、接地开关动静触头间的摩擦产生的金属屑等异物。上述异物如果不及时维护清理，势必会对GIS设备再投运的安全可靠运行带来极大危害，严重影响电力生产。

随着我国电网信息化、智能化水平的不断提高，各种基于机器人的可视化巡检系统在国内电力系统中开始推广应用，并取得了良好的效果，有效地提升了电网运行和管理的智能化水平。对于GIS腔体内的检测，迫切需要研究开发适合于密闭腔体内部环境的图像采集、图像识别方法，实现腔体内异物的自动检测识别。发明人发现，GIS腔体内部异物体积小，在图像中所占区域通常小于20×20像素，传统基于深度学习的算法在GIS腔体小目标检测中的表现有待进一步提升。传统的机器人检测通常采用“机器人前端图像采集+后台智能分析”的模式，无法实现异物的就地研判，不便于检修人员及时发现并清理腔体异物，智能检测系统的实时性、准确性有待进一步提高。

发明内容

有鉴于此，本发明提出了一种GIS设备腔体内部异物检测方法及系统，能够解决GIS设备腔体内的异物自动检测问题；该方法针对GIS设备腔体内部采集图像，提出多通道mix-up数据增强算法构建训练样本集，采用改进的YOLOv3深度学习算法进行识别模型训练，设计一种基于通道剪枝的模型压缩算法进行模型的精简，减少模型的大小及检测算法耗时，最后将压缩好的模型部署到机器人前端，实现了边缘侧的GIS设备腔体内部异物检测，提高了异物检测的实时性，更有利于下一步基于视觉伺服的机器人进行异物的及时处理。

根据本发明实施例的第一个方面，提供了一种GIS设备腔体内部异物检测方法，包括：

构建GIS设备腔体内部异物检测模型，建立GIS腔体异物样本库；

基于所述GIS腔体异物样本库，对所述检测模型进行训练，采用基于通道的模型剪枝算法对训练好的检测模型进行压缩；

获取GIS设备腔体内部图像信息，将所述信息实时输入到压缩后的检测模型，输出检测结果，实现对GIS设备腔体内部异物的实时识别。

通过对模型进行压缩，能够减少模型部署的规模，提高目标检测算法的实时性，实现智能算法在机器人前端部署。

根据本发明实施例的第二个方面，提供了一种GIS设备腔体内部异物检测系统，包括：

模型构建模块，用于构建GIS设备腔体内部异物检测模型，基于建立的GIS腔体异物样本库对所述检测模型进行训练；

模型压缩模块，用于对训练好的模型进行压缩，得到压缩后的检测模型；