[发明专利]基于深度学习的输电线路缺陷智能识别方法及系统

说明书

本发明涉及一种基于深度学习的输电线路缺陷智能识别方法及系统，所述智能识别方法包括：获取待测输电线路图像；根据所述输电线路图像，基于多分辨率融合金字塔，确定粗粒度多分辨率层特征信息；根据所述粗粒度多分辨率层特征信息，基于细粒度交互金字塔，得到细粒度多分辨率层特征信息；根据所述细粒度多分辨率层特征信息，基于特征增强金字塔，得到增强特征图像；根据增强特征图像，确定待测输电线路的缺陷类别及缺陷位置，可提高对多尺度目标的检测精度。

技术领域

本发明涉及计算机视觉及图像处理技术领域，特别涉及一种基于深度学习的输电线路缺陷智能识别方法及系统。

背景技术

电力系统是我国经济建设的重要基础，随着国家经济的飞速发展，工业发展以及人民生活对于电力的需求也在逐步上升。因此电力系统能否正常运行直接影响了我国经济发展以及国民生活质量。一套完整的电力系统包括从发电、输电到终端用电等部分，每一部分都在系统中都有着不可或缺的地位。但作为连接发电源头到终端用户的输电部分，输电线路能否正常运行影响了电力系统的稳定性和可靠性。由于我国输电线路分布较广，自然环境多变，所处地势复杂，长期暴露在自然环境中的输电线路易受到自然灾害以及次生灾害的破坏，如绝缘子自爆、导线断股、螺栓缺销子、绝缘子串碗头缺销子、缺螺母等。因此及时检测出输电线路以及杆塔的缺陷对于电力系统的稳定运行是至关重要的。但因为卷积网络不具有鲁棒性，针对图中尺度变化较大的物体通常会顾此失彼，对大尺寸目标检测较好，而对于类似输电线上缺陷部位等小目标检测则准确率较低。

现有对输电线路的检测方法通常采用人工检测的方式。通过对所拍摄杆塔及输电线路全景图像的人工识别来判定缺陷的种类以及存在位置。但我国输电线路和杆塔数量众多，依靠人工识别来进行缺陷检测工作量大，会浪费大量的人力和财力且效率较低。而其它基于计算机的检测方法中，大部分现有技术只能识别单种缺陷，且受计算性能制约，没有方法能够在高清全景图像中检测出尺寸较小的缺陷。因此改善检测器对于多尺度目标的检测对于实际应用是十分重要的。

发明内容

为了解决现有技术中的上述问题，即为了自动识别输电线路缺陷情况以及提高识别精度，本发明的目的在于提供一种基于深度学习的输电线路缺陷智能识别方法及系统。

为解决上述技术问题，本发明提供了如下方案：

一种基于深度学习的输电线路缺陷智能识别方法，所述智能识别方法包括：

获取待测输电线路图像；

根据所述输电线路图像，基于多分辨率融合金字塔，确定粗粒度多分辨率层特征信息；

根据所述粗粒度多分辨率层特征信息，基于细粒度交互金字塔，得到细粒度多分辨率层特征信息；

根据所述细粒度多分辨率层特征信息，基于特征增强金字塔，得到增强特征图像；

根据增强特征图像，确定待测输电线路的缺陷类别及缺陷位置。

可选地，所述多分辨率融合金字塔包括深度残差卷积网络、四层粗粒度特征层、及四个匹配门，且每一匹配门分别连接一层粗粒度特征层及所述深度残差卷积网络的一个阶段输出端；

根据所述输电线路图像，基于多分辨率融合金字塔，确定粗粒度多分辨率层特征信息，具体包括：

基于深度残差卷积网络，提取所述输电线路图像的特征，得到四层参考特征图；

通过各粗粒度特征层，对所述输电线路图像的特征进行分解，得到分别与各参考特征图大小一样的分解特征图；

通过各匹配门分别对一对分解特征图及参考特征图进行自适应融合，得到对应的四层粗粒度多分辨率层特征信息。

可选地，根据以下公式确定粗粒度多分辨率层特征信息：