[发明专利]基于序列状态编码的绝缘子串异常定位识别方法有效
申请号: | 202011472214.0 | 申请日: | 2020-12-15 |
公开(公告)号: | CN112614094B | 公开(公告)日: | 2023-04-18 |
发明(设计)人: | 张晨民;李丙涛;谈浩;董海涛 | 申请(专利权)人: | 郑州金惠计算机系统工程有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06N3/0442;G06N3/0464;G06N3/08 |
代理公司: | 郑州大通专利商标代理有限公司 41111 | 代理人: | 周艳巧 |
地址: | 450000 河南省郑州市金*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 序列 状态 编码 绝缘子 异常 定位 识别 方法 | ||
1.一种基于序列状态编码的绝缘子串异常定位识别方法,其特征在于,包含如下内容:
采集电网绝缘子图像数据,并对图像数据进行标准化预处理,获取样本数据;
利用样本数据对神经网络进行卷积训练,通过提取并融合不同尺度的特征向量来获取绝缘子串位置和倾斜角度信息;并通过仿射变换将倾斜绝缘子串转换成水平绝缘子串,同时对样本数据中绝缘子串图像数据通过加注标签生成序列状态编码;
利用CNN提取绝缘子串编码特征向量,利用双向长短记忆BiLSTM网络对特征向量进行识别,获取每列特征的label序列和预测序列,通过优化两者之间的误差进行训练模型;利用训练后的模型获取绝缘子串识别序列状态编码;
对识别序列状态编码进行反向操作获取绝缘子串分块识别结果,合并相邻状态块来对绝缘子异常进行定位识别;
利用ResNet50神经网络对样本数据进行卷积训练来提取不同尺度的特征向量;并结合特征金字塔FPN网络将不同尺度的特征图进行融合;针对融合后的图像数据,利用STD算法进行定位检测获取绝缘子串位置和倾斜角度信息;
利用STD算法进行定位检测中,依据设定的四个外接点获取外接矩形,并依据边长尺寸将外接矩形分割为若干绝缘子方框,通过绝缘子方框中轴线、边长和倾斜角度来获取绝缘子方框的位置;根据绝缘子中心线分割图得到绝缘子实例;
以正样本点为极点,以水平向右为极轴,建立极坐标系;依据极坐标系得到中心线到点的极坐标;依据正样本点坐标和点的极坐标来获取正样本点到中心线的垂足坐标;并依据获取的所有垂足坐标来构建中心线,且点和线的关系使用极坐标表示;
设定正样本点坐标为(x1,y1),其到中心线的垂足坐标(x,y)的计算过程表示为其中,(ρ,l)为该正样本点的极坐标。
2.根据权利要求1所述的基于序列状态编码的绝缘子串异常定位识别方法,其特征在于,利用电网监控摄像头和/或无人机拍摄来采集绝缘子图像数据。
3.根据权利要求1所述的基于序列状态编码的绝缘子串异常定位识别方法,其特征在于,绝缘子按照类别不同划分为正常绝缘子、缺损绝缘子和带有异物绝缘子;对不同尺寸绝缘子串进行等比例缩放到固定高度,再以固定宽度对绝缘子串按类别进行分块编码;得到的编码序列即为绝缘子串序列状态编码。
4.根据权利要求1或3所述的基于序列状态编码的绝缘子串异常定位识别方法,其特征在于,基于方块的乱序重采样对编码后的绝缘子串图像数据进行数据增强,以扩充用于CNN网络训练的样本数据。
5.根据权利要求4所述的基于序列状态编码的绝缘子串异常定位识别方法,其特征在于,基于方块的乱序重采样进行数据增强中,将仿射后的绝缘子图像数据作为底图,从底图的拷贝上按块切成若干子图;将状态正常的块按底图设定方式进行比对,将子图替换到底图中位置,并结合加权融合过渡,对状态不正常块随机放置到任意位置,以实现数据增广。
6.根据权利要求1所述的基于序列状态编码的绝缘子串异常定位识别方法,其特征在于,模型推理时,利用CNN网络对绝缘子串图像数据进行卷积操作,提取绝缘子串编码特征向量并通过BiLSTM网络获取每列特征的预测序列。
7.根据权利要求1所述的基于序列状态编码的绝缘子串异常定位识别方法,其特征在于,依据绝缘子串位置及绝缘子串序列状态对绝缘子区域按序列状态长度进行等分,得到每个分块内绝缘子类别,合并相邻且状态相同的分块,得到正常绝缘子区域和异常绝缘子区域,实现绝缘子串异常定位识别。
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郑州金惠计算机系统工程有限公司,未经郑州金惠计算机系统工程有限公司许可,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/202011472214.0/1.html,转载请声明来源钻瓜专利网。