[发明专利]输电线路绝缘子红外智能匹配识别与测距定位方法及系统

说明书

本发明公开了一种输电线路绝缘子红外智能匹配识别与测距定位方法及系统，包括利用已训练完成的卷积神经网络进行绝缘子串目标自动识别；确认绝缘子目标后，通过位置‑姿态外内环控制对绝缘子串目标进行跟踪定位；利用基于相似三角形原理的单目测距选择最佳拍摄距离；无人机与绝缘子串目标保持最佳拍摄距离进行安全距离预警。

技术领域

本发明涉及目标检测与人工智能交叉技术领域，具体是一种输电线路绝缘子串红外智能匹配识别与测距定位方法及系统。

背景技术

绝缘子作为输电线路上的重要组成部分，其运行状况和优劣程度直接关系到电网的稳定性和安全性，针对绝缘子的不停电检测及故障诊断工作具有非常重要的意义。利用无人机搭载红外热像仪进行巡线是近年来兴起的现场非接触式检测方法，具有效率高、安全风险小、成本低等优势，但是目前红外巡检尚存若干技术难题亟待解决。首先，架空输电线路往往位处偏僻，绝缘子串离地高度达数十米，无人机飞手只能结合肉眼眺望和遥控终端红外图像显示，凭借经验手动操作无人机接近绝缘子目标并进行拍摄。这种人工目标识别方式劳动强度较大，效率偏低。因此，如何实现绝缘子红外图像智能匹配识别技术成为首要问题。第二，无人机与目标绝缘子之间的拍摄距离非常关键。若距离过远，会使得拍摄效果不佳，对后期绝缘子图像分析不利；若距离过近，则存在着无人机撞线等安全隐患。在实际拍摄过程中，常常因为周围环境地形的复杂性和飞手视线角度的限制，使得无人机操控难度非常大，安全距离不易保持。如何让无人机与目标绝缘子自动地保持最佳拍摄距离且进行安全距离预警成为了另一个重要问题。

发明内容

发明目的：本发明针对现有技术存在的问题，提供了一种输电线路绝缘子串红外智能匹配识别与测距定位方法及系统。

技术方案：本发明提供了一种输电线路绝缘子红外智能匹配识别与测距定位方法，包括以下步骤：

步骤1：采用已训练完成的卷积神经网络自动识别绝缘子串目标；

步骤2：采用位置-姿态外内环控制对绝缘子串目标进行跟踪定位；

步骤3：根据绝缘子串目标的位置，获取最佳拍摄距离；

步骤4：基于最佳拍摄距离，无人机对绝缘子串目标进行安全距离预警。

进一步的，步骤1中的卷积神经网络的训练步骤为：

构建卷积神经网络；

采用图像数据库对卷积神经网络进行预训练，收敛后，将卷积神经网络最后一层修改为C＝3，分别代表绝缘子串、背景，杆塔3类目标；

利用输电线路图像库进行二次训练，在训练过程中采用启发式方法，在当前学习速率下，若验证集错误率不变，则将学习速率减小至当前的1/10，直至收敛，得到训练完成的卷积神经网络；

所述图像数据库为Cifar-100图像数据库；所述输电线路图像库的选取包括以下步骤：

采用无人机对输电线路进行航拍，获取具有绝缘子串的图像；

对图像中的背景、杆塔、绝缘子串3类区域进行标注；

对图像进行分块，得到图像块；

对图像块进行旋转、平移、尺度的变换，扩展样本数量，得到输电线路图像库。

进一步的，所述卷积神经网络以图片为输入，以图片的类别标签为输出，表示如下：

c＝F_CNN(s|P),c∈{1,2,...,C}

式中，s为输入图片，P为卷积神经网络的参数，c为图片的输出类别标签，F_CNN()表示卷积神经网络前向运算，表示根据已知卷积神经网络的参数P，计算图片s的类别标签；