[发明专利]一种基于自然语言模型与目标检测算法结合的输电线路特定故障识别系统

说明书

本发明公开一种基于自然语言模型与目标检测算法结合的输电线路特定故障识别系统，包括以下步骤：步骤一、采集输电线路图像，训练目标检测模型。步骤二、制作文本数据集，文本内容包括故障点图像路径和相应故障描述文字。步骤三、将步骤二中的故障点图像及文本数据通过深度卷积网络和语言生成模型得到图像生成文字模型。步骤四、将输电线路图像传入目标检测模型，检测出故障点坐标。步骤五、利用故障点坐标，将故障点裁切成新图像传入图像生成文字模型得到故障文字描述。步骤六、检测的图文结果推送给检修人员。本发明适应于输电线路的特定故障识别，可以实时反馈输电线路状态，保证输电线路可以及时得到维修。

技术领域

本发明涉及计算机视觉的目标检测领域、自然语言处理的文本生成领域与电力系统故障识别领域。

背景技术

电力行业是国家最重要的行业之一，保证其安全运行更是重中之重，由于输电线路所处外部环境复杂恶劣，因此为了保障输电线路的稳定安全的运行，需要对输电线路进行定期的检查，找出故障或隐患的位置并及时检修。目前，人工检查线路的方式已经被无人机和摄像机取代，检修人员不可能总在现场靠眼力检测线路故障，随着深度学习、计算机视觉的发展，一些目标检测算法已经应用于输电线路故障检测中。

对于输电线路的故障检测，很多研究者已经提出利用多目标检测的网络(FasterRCNN、YOLOv3等)进行故障识别，但检测结果只能返回单一的故障状态，例如正常，模糊，自爆，锈蚀等简单的状态描述，不能够对故障进一步的描述，比如对损坏程度的描述。

自然语言处理是研究人与计算机交互的语言问题的一门学科，机器理解并解释人类写作与说话方式的能力，近年来深度学习技术在自然语言处理方面的研究和应用取得了显著的成果，如机器翻译，问答机器人，知识工程，情感分析等。

本发明将自然语言处理结合计算机视觉共同应用于电力系统故障识别领域实现智能化，高效化，详细化，提高故障识别系统与工作人员的交互性。

发明内容

本发明的目的是提供一种基于自然语言模型与目标检测算法结合的输电线路特定故障识别系统，解决检测结果只能返回单一的故障状态，不能够对故障进一步的描述，缺乏智能化交互的问题，最后利用推送系统将故障结果推送给相关工作人员。本发明包括如下步骤：

步骤一：通过航拍采集大量的输电线路特定部件的图像数据集，对数据集预处理，数据标注等操作。

步骤二：从收集到的图像中将所有包含故障点的样本挑选出来，并把具体的故障点裁切成新的图像数据，接着制作相对应的文本数据，文本数据的内容主要包括图片路径名称和该图片对应的故障描述文字。

步骤三：将步骤二中的图像数据集及其对应的文本数据通过深度卷积神经网络和语言生成模型训练得到图像生成文字的模型。

步骤四：将步骤一的数据集通过深度学习的多目标检测网络训练出模型，利用该模型检测出图像中故障位置并提取特征框坐标。

步骤五：利用步骤四提取出的故障位置在原图中的坐标，将故障部分裁切成新的图片传入步骤三训练的图像生成文字模型得到相应的文字描述。

步骤六：将生成的故障检测图像和文字描述推送给相关检修人员。

进一步地，所述步骤一对航拍的输电线路特定部件图像数据集进行预处理，包括数据降噪，调整图片亮度，图像标准化，样本均衡化，数据集标注等操作。

进一步地，所述步骤二将航拍的输电线路特定部件图像数据集中包含故障点的样本挑选出来，然后只将故障点位置裁切出来保存为新的图像数据，挑选裁切故障点结束后，接着制作文本数据，文本数据第一列是裁切的故障点图像路径和名称，第二列是对应的人工标注的文字描述。