[发明专利]一种绝缘子图像分类方法及系统

说明书

本发明公开了一种绝缘子图像分类方法及系统。该方法包括：制备模拟图像；所述模拟图像为输电线路的模拟航拍图像，所述模拟图像包括绝缘子图像和背景图；获取输电线路的历史航拍图像；通过所述模拟图像以及所述历史航拍图像，对神经网络模型进行训练，得到分类模型；对输电线路进行拍摄，得到输电线路的当前航拍图像；根据所述分类模型对所述当前航拍图像进行分类，得到绝缘子图像。通过本方法或系统能够扩充训练样本，提高分类模型的准确性。

技术领域

本发明涉及图像分类领域，特别是涉及一种绝缘子图像分类方法及系统。

背景技术

绝缘子是输电线路中重要的电气绝缘及机械支撑部件，同时也是故障多发部件，因绝缘子故障而引起的事故数量已位居输电线路事故数量的榜首。若不及时巡检发现绝缘子存在的安全隐患，会造成重大损失。近年来，在智能电网建设中，多旋翼无人机开始逐步承担输电线路的巡检任务，力图克服人工巡检的低效性和危险性。但飞行机器人采集的航拍图像中，背景复杂多变且干扰很多，目标识别难度很大，在很多情况下，人工观测都需要仔细辨认才能够发现。因此，研究复杂背景下的目标识别是实现无人机自主检测功能的关键。

目前，深度学习算法在绝缘子检测中实践应用的一大主要瓶颈就是训练样本问题：(1)训练样本不完备：目标种类、长度、角度各异，航拍视角和视距变化很大，样本采集不全面。(2)训练样本品质不高：输电走廊的自然环境和地貌随季节变化，无人机自上向下拍摄，航拍图像背景复杂多变；绝缘子目标和故障区域在图像中不够突出，干扰情况严重。

发明内容

本发明的目的是针对现有技术存在的问题，提供一种训练样本充足、分类准确的绝缘子图像分类方法及系统。

为实现上述目的，本发明提供了如下方案：

一种绝缘子图像分类方法，所述方法包括：

制备模拟图像；所述模拟图像为输电线路的模拟航拍图像，所述模拟图像包括绝缘子图像和背景图；

获取输电线路的历史航拍图像；

通过所述模拟图像以及所述历史航拍图像，对神经网络模型进行训练，得到分类模型；

对输电线路进行拍摄，得到输电线路的当前航拍图像；

根据所述分类模型对所述当前航拍图像进行分类，得到绝缘子图像。

可选的，所述制备模拟图像，具体包括：

根据绝缘子的尺寸和形状，绘制绝缘子部件，所述绝缘子部件包括金属端头、伞盘以及棒芯；

设置绝缘子各个部件的材质参数；

将各个部件进行组合，得到绝缘子；

对所述绝缘子进行环境渲染，得到模拟图像。

可选的，所述通过所述模拟图像以及所述历史航拍图像，对神经网络模型进行训练，得到分类模型，具体包括：

通过所述神经网络模型对所述模拟图像以及所述历史航拍图像进行分类，得到背景图输出数据以及绝缘子图像输出数据；

判断所述背景图输出数据以及绝缘子图像数据是否在误差阈值范围内；

否是，则确定所述神经网络模型为分类模型；

若否，则调整所述神经网络模型的参数，使所述背景图输出数据以及绝缘子图像数据在误差阈值范围内，得到分类模型。

可选的，所述神经网络模型包括3个卷积层、3个下采样层以及1个全连接层。

一种绝缘子图像分类系统，包括：

制备模块，用于制备模拟图像；所述模拟图像为输电线路的模拟航拍图像，所述模拟图像包括绝缘子图像和背景图；