[发明专利]基于本征图像分解的绝缘子RTV涂层识别方法及装置在审

专利信息
申请号: 202111139957.0 申请日: 2021-09-28
公开(公告)号: CN113920450A 公开(公告)日: 2022-01-11
发明(设计)人: 林承华;陈伯建;吴文斌;张伟豪;王仁书;梁曼舒;韩腾飞;刘志鹏;王晓杰;黄友聪;李哲舟;雷锌 申请(专利权)人: 国网福建省电力有限公司电力科学研究院;国网福建省电力有限公司莆田供电公司;国网福建省电力有限公司
主分类号: G06V20/17 分类号: G06V20/17;G06V10/764;G06N20/20;G06T7/00
代理公司: 福州元创专利商标代理有限公司 35100 代理人: 丘鸿超;蔡学俊
地址: 350007 福*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 图像 分解 绝缘子 rtv 涂层 识别 方法 装置
【权利要求书】:

1.一种绝缘子RTV涂层识别方法,其特征在于,包括以下步骤:

采用目标检测的方法提取出候选绝缘子串;并提取所述候选绝缘子串拍摄点图片对应的目标绝缘子串;之后扩张所述目标绝缘子串的边界,在原始图片上切出目标绝缘子串对应位置的局部图像;对所述局部图像进行本征图像分解;并以所述本征图像分解得到的反射率图像作为输入,进行绝缘子RTV细粒度分类,确定绝缘子是否涂有RTV。

2.根据权利要求1所述的绝缘子RTV涂层识别方法,其特征在于:所述目标检测的训练样本标注方法为:各种串型的一组绝缘子均只作为一个绝缘子串目标;跳线整组绝缘子作为一个绝缘子串目标;仅标注出拍摄点对应的目标绝缘子串,其它背景绝缘子串均不标注。

3.根据权利要求2所述的绝缘子RTV涂层识别方法,其特征在于:采用YOLOv5-l模型进行绝缘子目标检测,并对YOLOv5-l进行优化如下:对锚点尺寸重新计算,优化后的尺寸为【110,410,117,494,157,297】,【151,588,516,141,821,200】,【485,467,665,274,839,375】;模型的img-size参数设为1024;momentum设为0.937,weight_decay设为0.0005,giou设为0.05,cls设为0.5,cls_pw设为1.0,obj设为1.0,obj_pw设为3.0,iou_t设为0.2,anchor_t设为5.3,hsv_h设为0.015,hsv_s设为0.75,hsv_v设为0.45,degrees设为10.0,scale设为0.5,perspective设为0.0005,fliplr设为0.5。

4.根据权利要求1所述的绝缘子RTV涂层识别方法,其特征在于:采用最小中心距离法从候选绝缘子串中筛选出目标绝缘子串,提取出一串拍摄点图片对应的目标绝缘子串。

5.根据权利要求4所述的绝缘子RTV涂层识别方法,其特征在于:中心距离计算公式为:

式中,(x,y)为候选绝缘子串的归一化后的中心点坐标。

6.根据权利要求1所述的绝缘子RTV涂层识别方法,其特征在于:切分目标绝缘子串之前,对边界进行扩张,长度与宽度均扩张为目标绝缘子串的1.1倍;扩张方法为:在长度和宽度两个方向上,分别进行扩张;如果原图的边距空间充足,则向边界扩张0.05倍,如果原图的边距空间不足,则只扩到原图最大边界。

7.根据权利要求1所述的绝缘子RTV涂层识别方法,其特征在于:采用USI3D网络对目标绝缘子串局部图片进行本征图像分解,得到反射率图像;并对USI3D做优化如下:λ1设为15.0,λ2设为0.15,λ3设为15,λ4设为0.15,λ5设为5.0。

8.根据权利要求1所述的绝缘子RTV涂层识别方法,其特征在于:以本征图像分解得到的反射率图像作为输入,经过ResNeXt101、ResNet101和ViT-Large三种分类器的独立分类,然后由集成学习器最终判断绝缘子是否涂有RTV。

9.根据权利要求7所述的绝缘子RTV涂层识别方法,其特征在于:

对ResNeXt101做优化如下:groups设为32,width_per_group设为8,img_size设为512;

对ResNet101做优化如下:损失函数采用LabelSmoothLoss;label_smooth_val设为0.15,loss_weight设为1.0;img_size设为512;

对ViT-Large做优化如下:patch_size设为32,img_size设为512;

所述集成学习器采用等权投票方式,ResNeXt101、ResNet101和ViT-Large三种分类器的权重均为1,得票多者为最终结果。

10.一种基于本征图像分解的绝缘子RTV涂层识别装置,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序;

所述计算机程序包括:绝缘子目标检测模块、目标绝缘子串判别模块、绝缘子串局部切图模块、本征图像分解模块和RTV细粒度分类模块;

所述绝缘子目标检测模块采用YOLOv5-l模型进行绝缘子目标检测,用于提取含有完整绝缘子串的拍摄点图片中的所有候选绝缘子串;

所述目标绝缘子串判别模块采用最小中心距离法从候选绝缘子串中筛选出目标绝缘子串,用于对候选绝缘子串进一步筛选,提取出拍摄点图片对应的一串目标绝缘子串;

所述绝缘子串局部切图模块用于扩张目标绝缘子串的边界,在原图上切出目标绝缘子串对应位置的局部图像;

所述本征图像分解模块采用USI3D网络对目标绝缘子串局部图片进行本征图像分解;

所述RTV细粒度分类模块包括由ResNeSt101、ResNet101和ViT-Large三种分类器组成的集成学习器,以本征图像分解得到的反射率图像作为输入,进行绝缘子RTV细粒度分类,判断绝缘子是否涂有RTV。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网福建省电力有限公司电力科学研究院;国网福建省电力有限公司莆田供电公司;国网福建省电力有限公司,未经国网福建省电力有限公司电力科学研究院;国网福建省电力有限公司莆田供电公司;国网福建省电力有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111139957.0/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top