[发明专利]一种输电线路防振锤缺陷检测方法及相关装置在审
| 申请号: | 202010760618.3 | 申请日: | 2020-07-31 |
| 公开(公告)号: | CN111833347A | 公开(公告)日: | 2020-10-27 |
| 发明(设计)人: | 翟瑞聪;彭炽刚;陈浩;刘高;张英;郭锦超;饶成成;王年孝 | 申请(专利权)人: | 广东电网有限责任公司 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G06K9/32;G06K9/46;G06N3/04;H02G1/02 |
| 代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 黄忠 |
| 地址: | 510600 广东*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 输电 线路 防振锤 缺陷 检测 方法 相关 装置 | ||
1.一种输电线路防振锤缺陷检测方法,其特征在于,包括:
采用预置神经网络模型提取初始防振锤图像的色调分量中的颜色特征;
获取所述初始防振锤图像像素点的梯度方向和梯度值,得到梯度特征;
将所述颜色特征和所述梯度特征输入预置分类器中对局部防振锤进行识别,得到待检测防振锤图像,所述待检测防振锤图像包括矩形定位框;
将裁剪后的所述待检测防振锤图像输入预置全卷积神经网络模型中进行缺陷检测处理,得到防振锤缺陷检测结果。
2.根据权利要求1所述的输电线路防振锤缺陷检测方法,其特征在于,所述采用预置神经网络模型提取初始防振锤图像的色调分量中的颜色特征,之前还包括:
构建初始神经网络模型,并对所述初始神经网络模型进行预训练操作,得到所述预置神经网络模型。
3.根据权利要求1所述的输电线路防振锤缺陷检测方法,其特征在于,所述将裁剪后的所述待检测防振锤图像输入预置全卷积神经网络模型中进行缺陷检测处理,得到防振锤缺陷检测结果,之前还包括:
通过预置公式计算所述待检测防振锤图像的等效边长比,所述预置公式为:
其中,L为所述等效边长比,H为所述待检测防振锤图像的高度,W为所述待检测防振锤图像,(x1,y1)和(x2,y2)分别所述矩形定位框左上角顶点坐标和右下角顶点坐标;
在所述等效边长比大于边长比阈值时,根据裁剪阈值对所述待检测防振锤图像进行裁剪操作,得到裁剪后的所述待检测防振锤图像。
4.根据权利要求1所述的输电线路防振锤缺陷检测方法,其特征在于,所述将裁剪后的所述待检测防振锤图像输入预置全卷积神经网络模型中进行缺陷检测处理,得到防振锤缺陷检测结果,之后还包括:
将所述防振锤缺陷检测结果回溯至所述初始防振锤图像上进行防振锤缺陷结果显示。
5.一种输电线路防振锤缺陷检测装置,其特征在于,包括:
提取模块,用于采用预置神经网络模型提取初始防振锤图像的色调分量中的颜色特征;
获取模块,用于获取所述初始防振锤图像像素点的梯度方向和梯度值,得到梯度特征;
识别模块,用于将所述颜色特征和所述梯度特征输入预置分类器中对局部防振锤进行识别,得到待检测防振锤图像,所述待检测防振锤图像包括矩形定位框;
检测模块,用于将裁剪后的所述待检测防振锤图像输入预置全卷积神经网络模型中进行缺陷检测处理,得到防振锤缺陷检测结果。
6.根据权利要求5所述的输电线路防振锤缺陷检测装置,其特征在于,还包括:
构建模块,用于构建初始神经网络模型,并对所述初始神经网络模型进行预训练操作,得到所述预置神经网络模型。
7.根据权利要求5所述的输电线路防振锤缺陷检测装置,其特征在于,还包括:
计算模块,用于通过预置公式计算所述待检测防振锤图像的等效边长比,所述预置公式为:
其中,L为所述等效边长比,H为所述待检测防振锤图像的高度,W为所述待检测防振锤图像,(x1,y1)和(x2,y2)分别所述矩形定位框左上角顶点坐标和右下角顶点坐标;
裁剪模块,用于在所述等效边长比大于边长比阈值时,根据裁剪阈值对所述待检测防振锤图像进行裁剪操作,得到裁剪后的所述待检测防振锤图像。
8.根据权利要求5所述的输电线路防振锤缺陷检测装置,其特征在于,还包括:
回溯模块,用于将所述防振锤缺陷检测结果回溯至所述初始防振锤图像上进行防振锤缺陷结果显示。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司,未经广东电网有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010760618.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:用于岩土工程抗破坏加固的机构及方法
- 下一篇:应用于自动弯箍机的钢筋弯曲机构





