[发明专利]一种输电线路销钉状态检测方法和检测系统

权利要求书

1.一种输电线路销钉状态检测方法，其特征在于，包括以下步骤：

获取包含定位悬链线支撑装置的输电线路图像；其中，所述定位悬链线支撑装置设有多个关节组件，所述关节组件包括销钉；

将所述输电线路图像输入到预训练的第一神经网络模型中，得到所述关节组件在所述输电线路图像中的位置信息；

根据所述关节组件在所述输电线路图像的位置信息，从所述输电线路图像中提取出关节组件图像；

将所述关节组件图像输入到预训练的第二神经网络模型中，得到所述销钉在所述关节组件图像中的位置信息；

根据所述销钉在所述关节组件图像中的位置信息，从所述关节组件图像中提取出所述销钉图像；

将所述销钉图像输入到预训练的第三神经网络模型中，得到所述销钉的状态结果。

2.根据权利要求1所述的输电线路销钉状态检测方法，其特征在于，所述第一神经网络模型通过以下步骤训练得到：

获取第一训练样本集；所述第一训练样本集为多个标注有所述关节组件位置的输电线路图像；

利用所述第一训练样本集对初始的第一神经网络模型进行训练，得到训练好的第一神经网络模型。

3.根据权利要求1所述的输电线路销钉状态检测方法，其特征在于，所述第二神经网络模型通过以下步骤训练得到：

获取第二训练样本集；所述第二训练样本集为多个标注有所述销钉位置的关节组件图像；

利用所述第二训练样本集对初始的第二神经网络模型进行训练，得到训练好的第二神经网络模型。

4.根据权利要求1所述的输电线路销钉状态检测方法，其特征在于，所述第三神经网络模型通过以下步骤训练得到：

获取第三训练样本集；所述第三训练样本集为多个根据所述销钉的形状，进行了状态结果标注的销钉图像；其中，所述状态结果包括缺失、松动和正常；

利用所述第三训练样本集对初始的第三神经网络模型进行训练，得到训练好的第三神经网络模型。

5.根据权利要求1所述的输电线路销钉状态检测方法，其特征在于：所述第一神经网络模型为R-FCN模型，所述第二神经网络模型为YOLOV3模型，所述第三神经网络模型为VGG模型。

6.根据权利要求1所述的输电线路销钉状态检测方法，其特征在于：所述输电线路图像通过无人机上的云台相机拍摄得到。

7.一种输电线路销钉状态检测系统，其特征在于，包括：

输电线路图像获取模块，用于获取包含定位悬链线支撑装置的输电线路图像；其中，所述定位悬链线支撑装置设有多个关节组件，所述关节组件包括销钉；

第一识别模块，用于将所述输电线路图像输入到预训练的第一神经网络模型中，得到所述关节组件在所述输电线路图像中的位置信息；

关节组件图像提取模块，用于根据所述关节组件在所述输电线路图像的位置信息，从所述输电线路图像中提取出关节组件图像；

第二识别模块，用于将所述关节组件图像输入到预训练的第二神经网络模型中，得到所述销钉在所述关节组件图像中的位置信息；

销钉图像提取模块，用于根据所述销钉在所述关节组件图像中的位置信息，从所述关节组件图像中提取出所述销钉图像；

缺陷检测模块，用于将待检测的销钉图像输入到预训练的第三神经网络模型中，得到所述销钉的缺陷检测结果。

8.根据权利要求7所述的输电线路销钉状态检测系统，其特征在于，所述第一神经网络模型通过以下步骤训练得到：

获取第一训练样本集；所述第一训练样本集为多个标注有所述关节组件位置的输电线路图像；

利用所述第一训练样本集对初始的第一神经网络模型进行训练，得到训练好的第一神经网络模型。