[发明专利]一种面向实景调度的故障缺陷检测方法及系统

说明书

本公开属于智能识别技术领域，提供了一种面向实景调度的故障缺陷检测方法及系统，包括以下步骤：获取电网设备图像信息；根据所获取的图像信息和预设的检测识别模型，判断电网设备的运行状态，识别电网设备的故障缺陷程度；其中，所述检测识别模型采用双层注意力机制提取不同尺度的图像特征信息，基于单精度目标检测算法进行所获取的图像信息的检测识别，得到电网设备的检测识别结果，基于电网实景调度进行电网设备运行状态的判断，对电网设备的缺陷程度进行识别。本公开基于改进的单精度目标检测算法在骨干网网络中加入双层注意力机制，泛化提取的不同场景和大小的电网设备缺陷所具有的特征表示，突出特征之间的可区分度，提高了特征融合能力，提高针对小目标的检测以及抗图片噪声能力，使电网设备缺陷的检测精准度显著提高。

技术领域

本公开属于智能识别技术领域，具体涉及一种面向实景调度的故障缺陷检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

电网实景调度指的是调度人员利用信息化技术对电网中的相关信息进行采集，然后获取所需要的信息，并结合其运作情况和近期的记录来判断设备是否有问题。随着我国经济的不断发展，国家电网的输电线路里程日益增加，根据电网设备的缺陷情况，进行合理的电网实景调度，成为保障高压供电安全、维护电力系统正常工作的基本前提。为避免或减少由于电网设备缺陷带来不利影响，对电网设备进行有效监测，及时维修尤为重要。

目前电网设备的缺陷检测普遍采用人工方法，不仅识别不准确，巡检时间长，甚至会出现电网设备缺陷维修不及时导致大规模输电中断，造成严重的经济损失。此外，维修人员是维修过程中的重要资源，也是稀缺资源。如果不能及时准确地发现电网设备故障点，难以合理有效地调度维修人员，可能会发生“严重故障点处找不到人、正常点或小故障处挤满人”的情况，导致调度人员资源严重浪费。

因此及时精准进行电网设备缺陷检测是合理的进行电网实景调度的重要前提之一。

随着无人机技术和深度学习技术的不断发展，基于无人机的智能目标检测算法开始在电力领域使用。当前目标检测算法分为双阶段目标检测算法和单阶段目标两部分。双阶段目标检测方法，比如R-CNN系算法，该类方法首先通过区域建议策略(RegionProposals Strategy,RPS)生成若干目标候选区域，进行特征提取后利用支持向量机识别目标类别，最后输出图像中的目标类型并标记其位置，此方法对电网设备检测精度较高，但是检测速度较慢，权重文件较大，不满足无人机巡检的轻量化和实时性的要求。单精度目标检测方法，如YOLO系列和SSD算法，该类方法利用深度卷积神经网路提取的特征直接对目标进行识别和定位。此类方法满足无人机所需要的轻量化、实时性的要求，但是检测精度低、漏检误检率高，不满对电网实景的精准调度的要求。

综上所述，如何在保留单精度目标检测算法的轻量化和实时性的基础下，提高对电网设备的缺陷识别精准度，降低漏检和误检情况，满足对电网实景的准确调度要求，成为了目前业内人士所亟待解决的问题。

发明内容

为了解决上述问题，本公开提出了一种面向实景调度的故障缺陷检测方法及系统，通过对单精度目标检测算法的改进，实现对无人机航拍的电网设备图中的缺陷位置的精准定位，进一步实现对电网实景精准调度需求。

根据一些实施例，本公开的第一方案提供了一种面向实景调度的故障缺陷检测方法，采用如下技术方案：

一种面向实景调度的故障缺陷检测方法及系统，包括以下步骤：

获取电网设备图像信息；

根据所获取的图像信息和预设的检测识别模型，判断电网设备的运行状态，识别电网设备的故障缺陷程度；