[发明专利]一种基于深度学习的电力杆塔状态检测的方法及系统

说明书

本发明提出了一种基于深度学习的电力杆塔状态检测的方法，该方法具体包括如下步骤：获取供构建深度学习模型数据并划分数据集；构建数据模块并加载数据，进一步构建该深度学习模型的损失函数；进一步构建用于深度学习训练的目标模型，并进行训练以及验证该目标模型；挑选获得所需的目标模型，导入待检测的目标电力杆塔检测其状态；以及根据预设阈值输出目标检测的结果。通过深度学习目标检测结合电力杆塔状态的检测，生成的模型较小，有利于部署移植到边缘设备进行结果计算，从而提高巡检人员的工作效率，减少成本。

技术领域

本发明属于工业视觉与能源电力的技术领域，具体涉及一种基于深度学习的电力杆塔状态检测的方法及系统。

背景技术

近年来，地震、泥石流与台风等不可抗力的自然灾害已经成为严重影响人们工作生活的客观因素，尤其是对一些基础建设和基础设施，例如输电杆塔与通信塔灯塔这些重心过高的设施建设容易收到地震台风等自然灾害的外力影响，从而使其无法正常工作，影响所在线路和地区的工作与生产。

然而，据了解，每年国家电网用于巡检与维护电力线路上的费用十分高昂，同时很多地区仍然采用传统的人工巡检方式进行工作，这不仅浪费了大量的人力物力，也给巡检工作人员的安全带来了一定的危险性。由此，这里基于无人机巡检电力线路的杆塔异常状态巡检进行识别检测，提出结合深度学习来进行检测识别的解决方案。

有鉴于此，提出一种基于深度学习的电力杆塔状态检测的方法及系统是非常具有意义的。

发明内容

为了解决现有国家电网用于巡检与维护电力线路上费用高，采用传统的人工巡检费时费力等问题，本发明提供一种基于深度学习的电力杆塔状态检测的方法及系统，以解决现有存在的技术缺陷问题。

第一方面，本发明提出了一种基于深度学习的电力杆塔状态检测的方法，该方法具体包括如下步骤：

S1、获取供构建深度学习模型数据并划分数据集；

S2、构建数据模块并加载数据，进一步构建该深度学习模型的损失函数；

S3、进一步构建用于深度学习训练的目标模型，并进行训练以及验证该目标模型；

S4、挑选获得所需的目标模型，导入待检测的目标电力杆塔检测其状态；以及

S5、根据预设阈值输出目标检测的结果。

通过深度学习目标检测结合电力杆塔状态的检测，生成的模型较小，有利于部署移植到边缘设备进行结果计算，从而提高巡检人员的工作效率，减少成本。

优选的，在S1中具体还包括：

S11、整理航拍采集的无人机巡检视频，并按30帧/张与60帧/张进行取帧采样，作为初始数据；

S12、导入初始数据，通过标注软件LabelImg手动画框，以标注电力塔杆的位置信息，进行目标检测的信息标注，并按照格式object-class-IDX中心Y中心框宽框高表示标注的文本文件；

S13、将获得的VOC格式的数据集转换为TXT格式，进一步按照比例8:1:1划分为训练集、验证集、测试集，获得最终训练所需的数据集。

进一步优选的，所述深度学习模型基于YOLOv5目标检测模型构建。

进一步优选的，在S2中，使用目标定位损失box_loss、分类损失cls_loss以及置信度损失obj_loss构建所述深度学习模型的损失函数。

进一步优选的，在二分类情况下，所述损失函数的计算具体如下:

J＝-[y

其中，y表示样本标签，正样本标签为1，负样本标签为0。