[发明专利]一种基于AlexNet网络的绝缘子自爆识别方法

说明书

本发明提供一种基于AlexNet网络的绝缘子自爆无人机巡检技术方法，包括：采集电线上巡逻和跨越障碍物机器人和无人飞行器收集的图像和视频信息；将获取的影像信息在已有的训练数据集上进行快速的数据扩充，将数据集进行拆分成两部分，分别为训练集和测试集；从训练数据集和测试数据集中提取图像特征及类标签用于分类；利用得到的训练集和测试集训练基于AlexNet网络获取能够识别绝缘子自爆的SVM检测模型；检测模型可以对采集到的影像信息进行识别，确定所述包括绝缘子影像信息中是否存在自爆的绝缘子。本发明提供的方法解决了以往需要耗费大量的人力物力资源，大大提高了检测的快速性与精确度。

技术领域

本发明属于电力维护技术领域，特别提供一种基于AlexNet网络的绝缘子自爆识别方法。

背景技术

绝缘子串在高压输电线路中起到电绝缘和机械支撑等作用，是高压输电系统的重要组成部件，绝缘子的损坏会导致输电线的停电，给人民生活和企业生产带来巨大的不便与损失。因此，绝缘子缺陷实时监测是电力系统的安全运行方面具有实际意义的重要研究方向。

绝缘子缺陷的检测最为常用的是人工巡线法，即通过人员的现场观察确定绝缘子缺陷的缺陷情况。但人工巡线法耗时较长，且无法保证实时性，在人力成本较高的当下，已经越来越无法适应电力系统的实际需要了。另外一种方法就是图像法，通过设备拍摄的绝缘子照片或视频来确定绝缘子的缺陷情况。然而，这种检查通常在人力和能源方面要求很高，既费力又耗时，检查工作很难保持高精度。因此，基于智能算法的绝缘子缺陷识别技术越来越受到工业和学术界的重视，也必将是今后绝缘子缺陷识别方面的主流方向。

发明内容

本发明的目的在于提供一种基于AlexNet网络的绝缘子自爆识别方法，用来解决目前绝缘子识别方法既费力又耗力，识别精确度难以满足现实生活中的要求问题。

本发明提供了一种基于AlexNet网络的绝缘子自爆识别方法，包括如下步骤：

步骤（1）：采集电线上巡逻和跨越障碍物机器人和无人飞行器收集的图像和视频信息；

步骤（2）：将获取的影像信息在已有的训练数据集上进行快速的数据扩充，将数据集进行拆分成两部分，分别为训练集和测试集；

步骤（3）：从训练数据集和测试数据集中提取图像特征及类标签用于分类；

步骤（4）：利用得到的训练集和测试集训练基于AlexNet网络获取能够识别绝缘子自爆的SVM检测模型，绝缘子自爆识别模型在确定绝缘子是否发生自爆进行分类。

所述步骤（2）的数据扩充包括三种方式：

a）随机裁剪。对256×256的图片进行随机裁剪到224×224，然后进行水平翻转，相当于将样本数量增加了（（256-224）^2）×2=2048倍；

b）水平翻转。测试的时候，对左上、右上、左下、右下、中间分别做了5次裁剪，然后翻转，共10个裁剪，之后对10次预测后的结果求平均。

c）改变对比度。对RGB空间做PCA（主成分分析），然后对主成分做一个均值为0，标准差为 0.1的高斯扰动，也就是对颜色、光照作变换，结果使错误率又下降了1%。

所述步骤（2）的数据集拆分的具体步骤：

用按比例拆分工具将数据集拆分，其中70%用作训练数据集，30%用作测试数据集。其中训练集是用来构建模型，测试集是用来评估最终模型的性能。

所述步骤（3）的提取图像特征的具体步骤：

a）使用图像增强数据库对数据集数据进行增强操作，扩大数据量；

b）使用神经网络工具箱的激活函数提取图像特征。

所述步骤（3）的提取图像类标签的具体步骤：