[发明专利]一种防震锤缺陷检测的视觉检测方法

说明书

本发明公开了一种防震锤缺陷检测的视觉检测方法，包括对航拍图像进行去噪、防抖预处理，得到待检测的原始图像；采用几何变换、尺度变化、对比度变换的方法，扩充已有的原始图像，生成更多与原始图像相似的数据；采集样本，采集航拍图像中的防震锤，主要采集防震锤的一边；确定待训练的网络模型，输入样本数据，进行前向传播、反向传播调整权重，得到优化的检测网络模型参数；利用训练好的模型对待检测图像进行识别，确定防震锤的锤子所在位置；确定锤子所在导线，根据导线与防震锤的相对位置以及各自方向的约束，进行防震锤缺陷判别。

技术领域

本发明涉及一种防震锤缺陷检测的视觉检测方法，属于输电线路无人机图像的防震锤缺陷检测技术领域。

背景技术

由于输电线要长期暴露在户外，经受风吹雨打，受自然环境影响大，故障发生的频率较高，为了维护电网的正常运行，杜绝各部件故障引发的电网运行隐患，定期而有效的输电线路巡检方式被积极采用，针对各部件的各种缺陷的事先检修成为研究的重点。当导线受到风力作用时，会发生振动。导线振动时，导线悬挂处的工作条件最为不利。由于多次振动，导线因周期性的弯折会发生疲劳破坏。因此防震锤可以减少导线因风力扯起振动。一旦防震锤发生损坏，会对输电线路的安全带来安全隐患。正确识别定位防震锤并且发现防震锤的各种缺陷并及时采取补救措施，从而利于输电线路的有效利用及其寿命的延长。依赖传统的人工进行检测，耗时，耗人力和财力。随着自动化、智能化、计算机技术的发展，如何自动化、快速地、精确地检测出输电线路图像中的缺陷防震锤已成为数字图像处理领域中的一个热门问题。

目前国内对防震锤缺陷检测的研究还很少，主要集中在防震锤的检测定位环节，缺陷检测方面还存在着很大的研究空间。防震锤的识别检测方法目前主要以模板匹配为主，也有学者通过adaboost等机器学习的方法提高检测的精度。文献“图像识别技术在电力设备监测中的应用”(张浩，王玮，徐丽杰，等.电力系统保护与控制，2010，38(6):88-91.)中提出的基于模板匹配的电力设备的识别检测技术，是针对电力设备的远程数字监控及图像识别技术的研究，主要应用于变电站电力设备的诊断监测。文献“基于结构约束的架空输电线路巡线机器人障碍识别”(张运楚，梁自泽，傅思遥，等.机器人，2007，29(1):1-6.)中利用图像的边缘信息，采用改进的基于概率图的椭圆检测方法结合分层决策机制，有效的提取输电线路图像中的防震锤。文献“高压输电线路巡线机器人障碍物视觉检测识别研究”(胡彩石，吴功平，曹珩等.传感技术学报，2008，21(12):2092-2096.)中提取边缘图像中一些图像基元并施加结构约束，实现障碍物(防震锤)识别。在机器学习方面，文献“基于类Haar特征与级联AdaBoost算法的防震锤识别”(金立军，闫书佳，刘源.系统仿真学报，2012，24(9):60-63.)中提出将类Haar特征与级联Adaboost算法相结合，检测识别图像中的防震锤。

然而，上述各方法应用于图像的防震锤检测识别中均存在一定缺陷，传统的模板匹配、边缘检测等算法鲁棒性较差，识别精度低，Adaboost等传统机器学习算法对采集的样本要求较高，特征提取单一，不能学习防震锤多方面的特征，以至于不能有效提取复杂背景下的防震锤。电力系统中防震锤图像采集多由人工或航拍来完成，以需求的特定角度及焦距在特定的光照环境下进行拍摄，图像背景变化大，防震锤在图像中大小各异、形状各异。以上方法不具有普遍性和精确性，不能很好运用到实际系统中。同时，这些方法未能对防震锤的缺陷检测作出研究。

发明内容

本发明要解决的技术问题是：提供一种防震锤缺陷检测的视觉检测方法，能够识别在不同拍摄角度、复杂背景下，精确的识别出防震锤并且提取出有缺陷的防震锤，以解决现有技术中存在的问题。

本发明采取的技术方案为：一种防震锤缺陷检测的视觉检测方法，该方法包括以下步骤：

步骤1，对无人机采集的输电线路图像进行预处理，检测拍摄图像是否存在质量问题，并且对数据进行去噪防抖操作；

步骤2，数据扩充，在样本采集之前，首先对步骤1中预处理的数据进行数据扩充生成相似的图像；