[发明专利]一种基于类别平衡采样的低虚警导地线缺陷检测方法

说明书

本发明公开了一种基于类别平衡采样的低虚警导地线缺陷检测方法，先获取无人机在输电线路现场采集到的图像数据，以目标为中心截取1200*800的图像块作为训练集/验证集导入训练平台，采用Cascade‑RCNN目标检测模型作为基础缺陷检测模型，然后通过Class‑balanced(类平衡)采样策略重新定义训练集训练缺陷检测模型。本发明方法能够在运行速度较快、虚警少且发现率较高的情况下对导地线上的缺陷进行检测。

技术领域

本发明属于电力巡检技术领域，具体涉及一种基于类别平衡采样的低虚警导地线缺陷检测方法。

背景技术

输电线路安全和稳定运行是电力系统的重要环节，同时保障输电线路的安全和稳定也是国家电力网络基础设施建设的重要基石。导地线是架空输电线路中最重要的元件之一，发电站依靠导线输送电力至用户，形成电力网络。

但是由于输电线路所处的野外环境复杂多变，长期会遭受雨水的腐蚀和微风振动等作用，从而导致导地线容易出现各种腐蚀磨损。而腐蚀磨损和应力集中叠加导致在该处导线产生径向裂纹，在周期性应力的作用下裂纹则逐步发展，最终导致导线疲劳断裂。导地线的这种裂纹很容易对整个输电线路的安全运行造成影响，轻则跳闸，重则使导线断裂或者杆塔倒塌，造成较大面积的停电事故。常见的导地线缺陷有断股、松股、损伤等，如图1所示。

目前，国家电网已采用无人机对电网的输电线路杆塔进行巡检，以实现对导地线的缺陷检测。通过操纵无人机沿着固定的巡航路线对输电线路进行现场数据采集，然后将图像数据传回服务器，最后再由运行在服务器上的目标检测算法模型(如RetinaNet、YOLOv5和Faster-RCNN等)处理传回的数据，从而得到导地线缺陷的检测结果。

但是由于导地线缺陷类别不平衡以及部分缺陷极小，因而经由算法模型得到的结果中还含有大量虚警或者漏检。还要电网一线班组人员对结果进行复核，需要消耗大量的人力物力。因此，导地线缺陷检测需要一种速度较快且准确率较高的检测方法，可以在无人机巡检拍摄的可见光图片上进行批量、智能和快速地分析出导地线上的多种缺陷和位置，尽量减少漏检和虚警。

发明内容

针对现有导地线缺陷检测算法虚警多且时有漏检的缺点，本发明创造旨在提供一种运行速度较快、虚警少且发现率较高的多种导地线缺陷检测方法。

本发明解决其技术问题所采用的技术方案是：一种基于类别平衡采样的低虚警导地线缺陷检测方法，包括如下步骤：

步骤S1，获取无人机在输电线路现场采集到的图像数据，以目标为中心截取1200*800的图像块作为训练集/验证集导入训练平台；

步骤S2，模型训练阶段

步骤S21，采用学术界精度较高的Cascade-RCNN检测模型作为基础缺陷检测网络；

步骤S22，通过Class-balanced采样技术定义训练数据：对训练集图片进行归一化，某张图中包含的最稀少的类别c出现频率f(c)作为包含该类目标的图像数量占总的训练集样本数量的比值，则重复因子其中t是重复阈值，f(c)值小于t则对c重复采样，对于包含类别集合L(X)的图像X，重复因子为r(X)＝max_c∈L(X)r(c)；

步骤S3，模型推理阶段

步骤S31，为了提升小目标的检测召回率，采用分块检测将分块大小为1200*800，重叠区域大小为100*100的分割图像块统一缩放到(2500，1500)送入基础缺陷检测网络进行推理，最后再将属于原始同一张图图像块产生的结果映射回原图上，再做非极大值抑制(NMS)得到该阶段的最终结果；