[发明专利]一种牵引变电所户外绝缘子异常检测方法有效
申请号: | 202010324733.6 | 申请日: | 2020-04-23 |
公开(公告)号: | CN111507975B | 公开(公告)日: | 2022-02-08 |
发明(设计)人: | 彭宇晨;权伟;卢学民;赵海全;周宁;邹栋;张卫华;林国松;叶桦;向梦;辜国鑫;冯宽;张君 | 申请(专利权)人: | 西南交通大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T5/00;G06T7/73;G06N3/04 |
代理公司: | 成都点睛专利代理事务所(普通合伙) 51232 | 代理人: | 葛启函 |
地址: | 610031 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 牵引 变电所 户外 绝缘子 异常 检测 方法 | ||
本发明提供一种牵引变电所户外绝缘子异常检测方法。涉及计算机视觉、模式识别与智能系统技术领域。分别构建绝缘子定位网络与绝缘子图像生成网络的数据集;构建了一个绝缘子定位网络,通过训练使网络获得对图像中绝缘子定位能力;构建了一个绝缘子图像生成网络,通过训练使其获得对绝缘子图像重建能力;将牵引变电所图像输入网络模型;通过绝缘子定位网络对绝缘子进行定位,提取绝缘子图像;对绝缘子进行异常检测,绝缘子图像生成网络对每张图片给予一个异常分数。设置一个异常判断阈值,若异常分数超过设置的阈值,则判断为异常样本,若低于阈值,则判断为正常样本。最后对判定的异常图像及其生成图像进行特征提取,对比两者差异定位出异常区域。
技术领域
本发明涉及计算机视觉、模式识别与智能系统技术领域。
背景技术
绝缘子是输电线路中重要的装置,对维护输电线路稳定,保障输电网络正常运行有重要意义。绝缘子一旦发生故障,将会造成严重的输电故障和经济损失。因此,在输电线路巡检的过程中,检查绝缘子是否正常工作是重要任务。根据变电电站例行巡视、检查项目及要求(一)例行巡视检查日常巡视检查内容项目及要求:1)瓷裙表面污秽程度无放电现象。2)瓷裙、法兰无裂纹、破损现象。3)高压瓷柱绝缘支柱无受力(引线),支柱无倾斜,底座螺栓紧固。4)设备法兰及铁件等部位无裂纹、裂缝现象。对各种值班方式下的巡视时间、次数、内容,各单位应做出明确规定。例行检查巡视分为正常巡视、全面巡视、熄灯巡视。正常巡视:1)有人值班变电所的支柱绝缘子设备,每天至少一次:每周至少进行一次夜间巡视:2)无人值班变电站内的支柱瓷绝缘子设备每周二次巡视检查。全面巡视内容主要是对设备进行全面的外部检查。每周应进行熄灯巡视一次,内容是检查设备有无电晕、放电、接头有无过热现象。为了提高支柱瓷绝缘子的耐污水平,根据设备运行情况,可在污秽较严重地区运行的支柱瓷绝缘子可采用表面涂刷盯V涂料等技术措施。检查中发现缺陷时应在设备异常与缺陷记录中详细记录,同时向上级汇报。因此,传统的电力巡检方法主要靠人工巡检,该方式耗费时力、效率低下、巡检周期长。寻找一种可减少人力资源,方便高效率,解决数据不足问题的绝缘子异常检测方法具有重大的意义。无人机与高清摄像头的出现,使得拍摄绝缘子图像代替原始的目视检查成为可能。通过智能设备进行巡检的方式相较于传统的方式具有安全性高、便于实施、效率高等优点,使用设备拍摄绝缘子的图像,进行分析和处理,提高了数据的利用效率,为整个智能化系统的实现提供了依据。随着深度学习的发展,其也成为一种重要的检测手段。但在深度神经网络模型的训练过程中,异常绝缘子图像数量不足是一个很大的问题。
发明内容
本发明的目的是提供一种牵引变电所户外绝缘子异常检测方法,它能有效地解决判断牵引变电所户外绝缘子的工作状态是否正常的技术问题。
本发明的目的是通过以下技术方案来实现的:一种牵引变电所户外绝缘子异常检测方法,包括如下步骤:
步骤一、绝缘子定位网络数据集构建
采用牵引变电所内杆塔搭载监控摄像头拍摄的图像构成图像库,对图像库中每张图像进行中值滤波处理以抑制噪声,具体为:用3×3像素滑窗算法遍历图像,对滑窗内9个像素点按像素值大小进行排序,取中值作为该滑窗中心点像素值;通过人工标注的方式,使用能够包围完整绝缘子的包围框标注出图像中的绝缘子区域,所有图像及其标注结果共同构成绝缘子定位网络数据集;
步骤二、绝缘子图像生成网络数据集构建
对图像库中的图像进行裁剪,提取出单独的绝缘子图像,考虑到实际中存在异常的绝缘子图像较少,对每一张正常绝缘子图像,通过人工制作其对应的裂纹、掉磁、闪络的异常绝缘子图像,使每张正常绝缘子图像都有一张异常绝缘子图像所对应;所有的两种图像共同构成绝缘子图像生成网络数据集;
步骤三、绝缘子定位网络的构建与训练
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南交通大学,未经西南交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010324733.6/2.html,转载请声明来源钻瓜专利网。