[发明专利]一种输电线路销钉状态检测方法和检测系统

说明书

本发明提供一种输电线路销钉状态检测方法和检测系统，其中，检测方法包括以下步骤：获取包含定位悬链线支撑装置的输电线路图像；定位悬链线支撑装置设有多个关节组件，关节组件包括销钉；将输电线路图像输入到预训练的第一神经网络模型中，得到关节组件在输电线路图像中的位置信息；根据关节组件在输电线路图像的位置信息，从输电线路图像中提取出关节组件图像；将关节组件图像输入到预训练的第二神经网络模型中，得到销钉在关节组件图像中的位置信息；根据销钉在关节组件图像中的位置信息，从关节组件图像中提取出销钉图像；将销钉图像输入到预训练的第三神经网络模型中，得到销钉的状态结果。本发明可以提高对销钉状态的检测效率和准确性。

技术领域

本发明涉及输电线路的销钉检测技术领域，具体涉及一种输电线路销钉状态检测方法和检测系统。

背景技术

目前变电站巡检正朝着无人化、智能化的方向发展，本方案正是该目标发展的产物，但是已有的变电站针对输电线路销钉缺陷检测方法存在检测准确率低，这是因为图像背景复杂，而销钉体积小且容易被遮挡，导致难以一次性识别出销钉的状态结果。

发明内容

本发明的目的在于克服现有技术中的缺点与不足，提供一种输电线路销钉状态检测方法和检测系统，通过三个不同的神经网络模型检测销钉，提高对销钉状态的检测效率和准确性。

本发明的一个实施例提供一种输电线路销钉状态检测方法，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。

相对于现有技术，本发明的输电线路销钉状态检测方法，先通过第一神经网络模型检测出关节组件在输电线路图像中的位置信息，以提取出关节组件图像，然后通过第二神经网络模型检测出销钉在所述关节组件图像中的位置信息，以提取出销钉图像，再通过第三神经网络模型检测所述销钉图像中的销钉，得到所述销钉的状态结果，可以提高对销钉状态的检测效率和准确性。

进一步，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。通过训练所述第一神经网络，提高检测所述关节组件在所述输电线路图像中的位置信息的准确性。

进一步，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。通过训练所述第二神经网络，提高检测所述销钉在所述关节组件图像中的位置信息的准确性。

进一步，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；