[发明专利]一种基于YOLO的绝缘子紫外故障诊断方法及装置

说明书

本发明涉及一种基于YOLO的绝缘子紫外故障诊断方法及装置，通过判断绝缘子类型、搭建一种较为经济的紫外成像仪器，通过采用紫外成像仪对绝缘子进行拍摄，将紫外图像预处理后带入YOLO‑V3网络进行故障定位，提高了检测的速度和状态诊断的准确度，可以应用在复杂的自然环境中，使绝缘子运维更加智能化。

技术领域

本发明涉及电性能测试技术领域，特别是涉及一种基于YOLO的绝缘子紫外故障诊断方法及装置。

背景技术

绝缘子是电网的主要电气设备之一，在长期的电、热、环境和机械应力的作用下，不可避免的会出现外绝缘劣化、老化甚至损坏的问题，危及电力系统的安全稳定运行。外绝缘性能下降的设备往往伴随有表面局部电场的畸变，形成表面放电。紫外成像法作为检测外绝缘表面异常放电的方法，可及早发现存在的外绝缘隐患或损伤，对于降低设备故障率，保障电力系统安全运行意义重大。

随着无人机和直升机等巡检方式的运用，电力巡检的作业难度有所减小，可采用无人机携带紫外成像仪进行拍摄。但是，如何在复杂背景的紫外图像中，准确定位识别绝缘子放电位置成为一种挑战。许多专家学者研究了传统识别算法在绝缘子放电识别领域中的应用。传统识别方法需要人工设计提取特征，这个环节主要依靠经验，且针对的场景比较单一，算法的鲁棒性不高。算法的应用场景处于自然环境中，十分复杂多变，因此要求算法有一定的鲁棒性。所以传统识别方法在绝缘子放电识别中具有一定的局限性。

发明内容

本发明的目的是提供一种基于YOLO的绝缘子紫外故障诊断方法及装置，提高绝缘子紫外故障定位的实时性和准确性。

为实现上述目的，本发明提供了如下方案：

一种基于YOLO的绝缘子紫外故障诊断方法，所述诊断方法包括：

获取待诊断的绝缘子紫外图像；

对所述待诊断的绝缘子紫外图像的放电点进行批量框选以得到框选图像；

利用YOLO-V3模型对所述框选图像进行分割，得到分割后的框选图像；

采用不同尺寸的先验框提取所述分割后的框选图像的图像特征；

计算先验框内的图像特征的置信度并计算所述先验框的IOU值；

横向比较所述先验框的IOU值，采用二进制交叉熵损失预测方法得到绝缘子紫外故障的位置。

可选的，所述对所述待诊断的绝缘子紫外图像的放电点进行批量框选以得到框选图像，具体包括：

获取所述待诊断的绝缘子紫外图像；

根据目标确定所述待诊断的绝缘子紫外图像的中心点；

将所述待诊断的绝缘子紫外图像分成均等大小的单元格并计算中心点所在单元的坐标；

根据所述中心点所在单元的坐标计算预测的边界框，以得到框选图像。

可选的，所述计算先验框内的图像特征的置信度，具体包括：

判断所述先验框内的图像特征中是否包括待诊断目标；若是，则置信度为1；若否，则置信度为0。

可选的，所述YOLO-V3模型包括：特征提取层和处理输出层；

所述特征提取层为Darknet-53和ResNet类网络的组合，

所述处理输出层为FPN网络。

可选的，所述框选图像的图像特征包括：放电的相对光子数和相对光斑面积。

一种基于YOLO的绝缘子紫外故障诊断装置，所述诊断装置包括：

计算机，用于通过接口发出命令和数据；