[发明专利]一种输电线路图像识别方法

说明书

本发明公开了一种输电线路图像识别方法，包括采集输电线路设备图像；利用Mask R‑CNN方法粗识别所述采集到的输电线路图像；利用类人概念学习并结合输电线路设备之间的相关关系构建修正机制对所述识别结果进行关系修正；利用贝叶斯语义网络进行分解，进而获得最终识别结果。提出了输电线路图像识别方法，以电力设备图像识别为应用场景，通过构建输电线路电力设备之间的关系模型，建立了基于强相关关系库的强相关关系修正方法和基于贝叶斯推理的弱关系修正方法，利用输电线路电力设备之间存在的空间、位置、逻辑等关系，对Mask R‑CNN的识别结果进行修正，提高了识别结果的语义逻辑性，提升了识别效果。

技术领域

本发明涉及电力设备图像识别的技术领域，尤其涉及一种输电线路图像识 别方法。

背景技术

输电线路在电力系统中占据着举足轻重的地位，输电线路电力设备的运行 情况直接影响电网的安全稳定运行，因此必须对输电线路的日常运维工作加以 重视。输电线路巡检工作具有较高的危险性和重复性，而且随着经济的高速发 展，电力系统规模不断扩大，电压等级不断提高，对电力系统稳定性的要求也 不断提高，传统的人工巡检耗时耗力，且具有一定的安全隐患和检测质量分散 的问题，越来越难以满足需求。而目前正在研究和试验的智能巡检机器人，联 合多种高科技技术，有望全面替代传统的人工巡检，成为未来发展的必然趋势。

同时，当前由于电网企业“结构性缺员”问题突出，高素质运维工作人员 缺编问题严重，而智能巡检机器人的应用对解决这一问题具有重要意义。在全 世界范围内，智能巡检机器人都具有广泛的应用前景和应用市场。智能巡检机 器人往往包含导航系统、视觉系统、检测系统、通讯系统、控制系统以及运动 系统等，本文主要对巡检机器人的视觉系统，即对输电线路电力设备进行目标 检测和图像识别方面的研究。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较 佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或 省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略 不能用于限制本发明的范围。

鉴于上述现有存在图像识别正确率不高的问题，提出了本发明。

因此，本发明解决的技术问题是：巡检机器人图像识别精度还有待提高、 巡检机器人智能还处在感知智能而不是认知智能以及巡检机器人在面对一些 极端天气和极端情况时仍然会有不足。

为解决上述技术问题，本发明提供如下技术方案：采集输电线路设备图像； 利用Mask R-CNN方法粗识别所述采集到的输电线路图像；利用类人概念学习 并结合输电线路设备之间的相关关系构建修正机制对所述识别结果进行关系 修正；利用贝叶斯语义网络进行分解，进而获得最终识别结果。

作为本发明所述的输电线路图像识别方法的一种优选方案，其中：所述利 用MaskR-CNN方法识别所述采集到的输电线路图像包括，所述Mask R-CNN 方法首先利用目标检测算法卷积层提取所述输电线路设备图像的整体特征，通 过目标候选区域生成网络生成感兴趣区域，应用ROI Align保障候选框与提取 特征之间的对齐和一致，并利用分类和回归层获得感兴趣区域的目标类别和边 界框回归，最终通过Mask分支实现对每个像素的分类与分割；所述Mask R-CNN的粗识别结果，包含目标的分类结果、边界框以及其对应的置信度。

作为本发明所述的输电线路图像识别方法的一种优选方案，其中：所述类 人概念学习包括，通过所述学习类人概念学习的思想，利用输电线路电力设备 之间存在的相关关系来对所述Mask R-CNN的识别结果进行修正；应用更多的 信息和关系使得识别结果更加合理和可靠，从而使得一些因环境因素而本征较 弱的实例目标具有了较强的语义支撑，对于关系的建模，从强相关关系和弱相 关关系两个角度分别构建对应的修正机制。

作为本发明所述的输电线路图像识别方法的一种优选方案，其中：所述输 电线路电力设备之间存在的相关关系包括，电流互感器与支撑绝缘子、电容与 支撑绝缘子、GIS与套管、开关和支撑绝缘子以及电容和电容。