[发明专利]一种基于人工智能的绝缘子伞裙破损面积测量方法及测量系统

权利要求书

1.一种绝缘子伞裙破损面积测量方法，其特征在于，包括以下步骤：

设计标准板；

采集绝缘子和标准板的组合图像样本；

基于图像识别算法对绝缘子进行图像识别，分离出绝缘子伞裙破损区域和正常区域，计算绝缘子伞裙破损区域的面积。

2.如权利要求1所述的绝缘子伞裙破损面积测量方法，其特征在于，

所述标准板为白色正方形标准板，该标准板的尺寸随多项制约因素在固定区间内进行动态波动。

3.如权利要求2所述的绝缘子伞裙破损面积测量方法，其特征在于，所述制约因素包括绝缘子尺寸、相机焦距、固定支架高度中的一个或多个。

4.如权利要求2所述的绝缘子伞裙破损面积测量方法，所述标准板尺寸初始数据为1*1m。

5.如权利要求1所述的绝缘子伞裙破损面积测量方法，其特征在于，所述采集绝缘子和标准板的组合图像样本，具体操作包括：将所述标准板水平固定放置，参试的绝缘子放置在所述标准板上，拍摄参试的绝缘子，拍摄图像包括绝缘子伞裙破损面。

6.如权利要求5所述的绝缘子伞裙破损面积测量方法，其特征在于，

所述采集绝缘子和标准板的组合图像样本，具体操作还包括：在拍摄前，调整拍摄设备和所述标准板的距离，将所述标准板完全纳入拍摄范围。

7.如权利要求1所述的绝缘子伞裙破损面积测量方法，其特征在于，

所述基于图像识别算法对绝缘子进行图像识别，分离出绝缘子伞裙破损区域和正常区域，计算绝缘子伞裙破损区域的面积，包括以下步骤：

分割组合图像样本；

训练主干网络；

构建绝缘子伞裙破损面积分割模型；

根据绝缘子伞裙破损面积分割模型输出像素点的类别，计算绝缘子伞裙破损区域面积。

8.如权利要求7所述的绝缘子伞裙破损面积测量方法，其特征在于，

所述分割组合图像样本的步骤，包括：利用Mask-RCNN算法分割所述组合图像样本。

9.如权利要求8所述的绝缘子伞裙破损面积测量方法，其特征在于，所述Mask-RCNN算法包括Faster-RCNN框架，在基础特征网络之后加入全连接的分割子网。

10.如权利要求9所述的绝缘子伞裙破损面积测量方法，其特征在于，

所述Mask-RCNN算法包括两个阶段：

第一阶段，扫描图像并生成候选框；

第二阶段，在预测种类和bbox回归的前提下，添加全卷积网络的分支，对每个RoI预测对应的二值掩膜，以说明给定像素点是否是目标的一部分。

11.如权利要求7所述的绝缘子伞裙破损面积测量方法，其特征在于，

所述主干网络采用带有残差结构的卷积神经网络。

12.如权利要求11所述的绝缘子伞裙破损面积测量方法，其特征在于，

所述构建绝缘子伞裙破损面积分割模型的步骤，包括：在所述卷积神经网络的基础上添加SENet结构。