[发明专利]一种基于深度学习的输电线路绝缘子缺陷检测方法

权利要求书

1.一种基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，所述方法包括：

采集巡检视频，将巡检视频拆分为单帧图像；利用预设的标注工具，标注单帧图像中的绝缘子信息并保存，得到样本数据；

对样本数据进行预处理及数据增强，得到预处理数据，将预处理数据划分为预处理数据训练集、预处理数据验证集和预处理数据测试集；

利用预处理数据训练集对预设的绝缘子目标检测及跟踪网络进行迭代训练，并利用预处理数据验证集，验证迭代训练的每代结果，得到绝缘子权重数据；

利用绝缘子目标检测及跟踪网络和绝缘子权重数据测试预处理数据测试集，得到绝缘子检测结果；

利用预设的标注工具，标注绝缘子检测结果中绝缘子片坐标及绝缘子片状态并保存，得到绝缘子片数据；将绝缘子片数据划分为绝缘子片训练集、绝缘子片验证集和绝缘子片测试集；

利用绝缘子片训练集对预设的绝缘子片目标检测及状态检测网络进行迭代训练，并利用绝缘子片验证集，验证迭代训练的每代结果，得到绝缘子片权重数据；

利用绝缘子片目标检测及状态检测网络和绝缘子片权重数据测试绝缘子片测试集，得到绝缘子片检测结果；

融合绝缘子检测结果和绝缘子片检测结果，得到最终结果，并将最终结果与巡检视频进行匹配，输出异常位置。

2.根据权利要求1所述的一种基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，所述标注工具为AILabelImage标注工具。

3.根据权利要求1所述的一种基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，所述对样本数据进行预处理及数据增强的方法包括：

改变样本数据的色域至预设的色域，对样本数据进行光照畸变，按任意比例缩放样本数据，将样本数据进行随机的左右或上下翻转，以及对样本数据进行马赛克数据增强。

4.根据权利要求1所述的一种基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，搭建所述绝缘子目标检测及跟踪网络的方法包括：

基于目标检测算法，融入通道注意机制，并融合预设的深度排序算法，得到绝缘子目标检测及跟踪网络。

5.根据权利要求4所述的一种基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，所述深度排序算法是基于交并比进行匈牙利匹配的跟踪算法，改进排序算法得到的。

6.根据权利要求1所述的一种基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，搭建所述绝缘子片目标检测及状态检测网络的方法包括：

基于目标检测算法，引入通道注意机制，并融合残差神经网络，得到绝缘子片目标检测及状态检测网络。

7.根据权利要求1所述的一种基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，所述绝缘子信息包括：绝缘子类别和绝缘子坐标。

8.根据权利要求1所述的一种基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，所述绝缘子片状态包括：完美、存在破损和丢失。