[发明专利]一种基于无人机图像处理的电力系统绝缘子串识别方法

说明书

本发明涉及工业物联网与边缘计算领域，具体地说是一种基于无人机图像处理的电力系统绝缘子串识别方法。包括以下步骤：1)无人机对图像采用3阈值的OTSU算法分割H通道图像，得到分割后的结果图像；2)无人机对结果图像处理，得到结果图像的零阶矩、一阶矩和二阶矩；并获取绝缘子串覆盖椭圆的参数信息；3)根据绝缘子串覆盖椭圆的参数信息，通过迭代优化算法估计疑似绝缘子串区域，并估计绝缘子串可能的方向；4)将检测到包含绝缘子串的图像及其估计出的方向发回地面服务器进行处理；5)地面服务器把图像旋转至绝缘子串呈水平状态，使用Faster RCNN网络识别出图像中的绝缘子串。本发明解决无人机巡检过程中能耗较快的问题，延长无人机的飞行时间。

技术领域

本发明涉及工业物联网与边缘计算领域，具体地说是一种基于无人机图像处理的电力系统绝缘子串识别方法。

背景技术

随着无人机技术的发展，无人机在工业物联网中的应用越来越受到重视。无人机的使用不但可以提高目标监测的灵活性，而且可以协助完成通信过程，从而有效地扩大了工业物联网的应用范围。但无人机能量的有限性给其在工业物联网中的应用带来了极大的挑战。无人机的飞行时间主要与无人机的重量、飞行时间、数据传输能耗及任务计算能耗有关。

在电力系统中，输电线路的安全性与可靠性对电力传输的平稳运行具有至关重要的作用。而绝缘子串作为输电线路中起绝缘和支撑作用的关键组成部分，其一旦发生缺陷，可能会使整个输电线路处于瘫痪状态。绝缘子串识别和缺陷检测是电力系统中输电线路巡检的核心部分，具有十分重要的现实意义，而绝缘子串识别是绝缘子串缺陷检测的基础，其识别结果的好坏直接决定了缺陷检测的准确与否。

将无人机拍摄的实时视频传输到地面服务器进行分析会消耗大量的能量。如果无人机自身可以执行一些数据分析任务，仅在必要情况下进行实时视频的传输，数据传输能耗将会大大降低。并且，与一般的自然物体相比，绝缘子串具有极大的长宽比，而利用深度神经网络对目标进行识别时，需要对目标的所有可能方向进行检测，这对于计算的能耗是非常巨大的。对于基于深度神经网络的大长宽比的目标检测，目前尚未提出有效的解决方案来降低计算能耗。

发明内容

在无人机巡检过程中，无论是无人机进行全部的图像分析过程，还是将全部实时视频传输到地面服务器，都会消耗大量的能量，从而缩短无人机的飞行时间。针对现有技术的不足，本发明提供一种基于无人机图像处理的电力系统绝缘子串识别方法，在服务器端精确定位绝缘子串的方法，解决现有深度神经网络识别大长宽比的目标计算能耗巨大的问题，从而延长无人机的飞行时间。

本发明为实现上述目的所采用的技术方案是：一种基于无人机图像处理的电力系统绝缘子串识别方法，包括以下步骤：

1)无人机通过搭载摄像头获取场景的图像，将图像由RGB空间转换为HSV空间的图像，对图像采用3阈值的OTSU算法分割H通道图像，得到OTSU算法分割后的结果图像；

2)无人机对结果图像进行处理，得到结果图像的零阶矩、一阶矩和二阶矩；并根据零阶矩、一阶矩和二阶矩，获取绝缘子串覆盖椭圆的参数信息；

3)根据绝缘子串覆盖椭圆的参数信息，并通过迭代优化算法估计疑似绝缘子串区域，根据疑似绝缘子串区域估计绝缘子串可能的方向；

4)将检测到包含绝缘子串的图像及其估计出的绝缘子串区域的方向发送回地面服务器进行处理；

5)地面服务器接收到无人机发送的绝缘子串图像及方向信息后，先把图像旋转至绝缘子串呈水平状态的方向，之后使用Faster RCNN网络识别出图像当中的绝缘子串。

所述步骤2)具体为：

首先，使用OTSU算法分割后的结果图像R^*的最大连通域被选为初始种子区域R₀；