[发明专利]基于无人机自主视觉的初级配电系统瓷绝缘子检测方法

权利要求书

1.一种基于无人机自主视觉的初级配电系统瓷绝缘子检测方法，其特征在于，包括以下步骤：

1)采集包含正常和故障的瓷绝缘子的原始图像；

2)对原始图像进行预处理，包括原始图像增广、模糊图像重建和弱光图像增强，并对预处理后的图像进行质量评估，剔除不符合质量要求的图像并标记后形成训练数据集；

3)构建瓷绝缘子故障检测模型，并根据训练数据集采用两步微调的方式进行训练，并根据训练后的瓷绝缘子故障检测模型进行瓷绝缘子的故障检测。

2.根据权利要求1所述的一种基于无人机自主视觉的初级配电系统瓷绝缘子检测方法，其特征在于，所述的步骤1)中，通过无人机、数码相机、智能手机或用于配电线路检查的移动电话采集瓷绝缘子的原始图像。

3.根据权利要求1所述的一种基于无人机自主视觉的初级配电系统瓷绝缘子检测方法，其特征在于，所述的步骤2)中，原始图像增广具体为：

通过无人机相机拍摄不同视角的不同背景的真实图像，并在这些真实图像中添加不同类型的故障绝缘子图像后形成新图像，实现原始图像的增广。

4.根据权利要求3所述的一种基于无人机自主视觉的初级配电系统瓷绝缘子检测方法，其特征在于，所述的步骤2)中，通过几何并置、裁剪、缩放、镶嵌、翻转和缩放实现原始图像的增广。

5.根据权利要求1所述的一种基于无人机自主视觉的初级配电系统瓷绝缘子检测方法，其特征在于，所述的步骤2)中，模糊图像重建具体为：

对于原始图像中的低亮度和低分辨率的模糊图像，采用深度拉普拉斯金字塔超分辨率网络进行模糊图像重建，获取超分辨率的清晰图像。

6.根据权利要求5所述的一种基于无人机自主视觉的初级配电系统瓷绝缘子检测方法，其特征在于，在采用深度拉普拉斯金字塔超分辨率网络进行模糊图像重建过程具体为：

通过特征嵌入网络对高维非线性特征图进行变换，由换位卷积层以2的比例对提取的特征进行上采样，由卷积层进行子带残留图像。

7.根据权利要求1所述的一种基于无人机自主视觉的初级配电系统瓷绝缘子检测方法，其特征在于，所述的步骤2)中，弱光图像增强具体为：

对于存在弱光问题的原始图像，采用LEM算法增强曝光校正的弱光图像。

8.根据权利要求1所述的一种基于无人机自主视觉的初级配电系统瓷绝缘子检测方法，其特征在于，所述的步骤2)中，对预处理后的图像进行质量评估具体为：

采用BRISQUE图像质量评估算法计算图像的平均减对比度归一化系数，即局部归一化亮度，评估分数越低，则表示图像质量越好，通过设置阈值剔除不符合质量要求的图像，最终进行故障类别标记后形成训练数据集。

9.根据权利要求1所述的一种基于无人机自主视觉的初级配电系统瓷绝缘子检测方法，其特征在于，所述的步骤3)中，瓷绝缘子故障检测模型采用YOLOv4网络构架构建。

10.根据权利要求9所述的一种基于无人机自主视觉的初级配电系统瓷绝缘子检测方法，其特征在于，所述的步骤3)中，采用两步微调的方式进行训练，具体为：

第一步将训练数据集中标记正常的绝缘子图像结合COCO数据集中的图像共同作为YOLOv4网络的输入进行训练；

第二步将训练数据集中标记故障的绝缘子图像再次输入到第一步训练后的YOLOv4网络中进行训练。