[发明专利]一种基于部件关系层级提取的输电线路缺陷识别方法

说明书

本发明提出了一种基于部件关系层级提取的输电线路缺陷识别方法，用以解决现有输电线路识别方法存在的复杂度高、识别效率低且准确度不高的技术问题。其步骤为：首先，收集电力部件对应的缺陷样本和正常样本，得到输电线路智能缺陷检测的样本数据集；其中，基于知识图谱技术建立电力部件之间的语义关系，以及建立电力部件与缺陷之间的语义关系；然后将两种语义关系同时输入CNN网络中进行训练，得到输电线路缺陷识别模型；最后，利用输电线路缺陷识别模型对采集的实时图像进行检测，输出检测结果。本发明基于知识图谱技术建立电力部件之间的语义关系及电力部件与缺陷之间的关系，在模型训练中加入部件语义关系，有效的提升模型的识别精度。

技术领域

本发明涉及电力设备缺陷识别技术领域，特别是指一种基于部件关系层级提取的输电线路缺陷识别方法。

背景技术

电力工业是关系国计民生的支柱产业，电力系统的安全稳定运行具有重大战略意义。建设放在电力物联网是落实“三型两网、世界一流”战略目标的核心任务。科技的进步使人们对电力系统的安全稳定运行有了新的要求，电力系统的不断强大不仅给人们带来了生活和工作上的便利，但是也带来了更多复杂的电力安全稳定问题。

目前对输电线路的关键器件的状态监测基本是通过人工或无人机机载设备进行监测，一方面人工监测不是时时刻刻都在进行监测，就可能会出现当输电线路的关键器件出现缺陷时，人工没有及时发现故障，导致不能稳定检测电力实施的安全状况，不能保障线路的安全运营；另一方面无人机监测是通过对采集图像进行识别判断进行监测的，因此，无人机监测主要会受到以下影响：一是光照影响，不同的天气，光照环境，导致图片成像差异；二是无人机采集的视角影响，由于部件分布不同，设备需要从多个角度拍摄检测，从而影响检测目标的尺度和旋转角度；三是检测物体的形状差异，检测目标有多种，大小也不定；四是无人机采集图像的背景不同，不同的季节不同的地点、视角，导致目标背景差异很大。

传统的对输电线路上采集图像进行缺陷检测的方法采用的是先对图像进行预处理，提取手工设计的图像缺陷特征，然后利用支持矢量机(SVM)对图像缺陷特征进行分类，或者用马尔可夫随机域(MRF)去除在提取图像缺陷特征过程中复杂背景的影响。上述对图像检测的方法存在的问题是无法适应不同光照，角度的变化图像，采用手工设计的提取图像缺陷特征具有局限性，这种局限性不仅带来了处理的复杂性，而且普适性不强，使得通过图像识别缺陷的效率低且准确度不高。

发明内容

针对上述背景技术中存在的不足，本发明提出了一种基于部件关系层级提取的输电线路缺陷识别方法，解决了现有输电线路识别方法存在的复杂度高、识别效率低且准确度不高的技术问题。

本发明的技术方案是这样实现的：

一种基于部件关系层级提取的输电线路缺陷识别方法，其步骤如下：

步骤一：针对输电线路的电力部件，收集对应的缺陷样本和正常样本，并采用图像增强分别对所述缺陷样本和正常样本进行处理，得到输电线路智能缺陷检测的样本数据集；

步骤二：基于知识图谱技术建立样本数据集下正常样本对应的电力部件之间的语义关系，以及建立样本数据集下缺陷样本对应的电力部件与缺陷之间的语义关系；

步骤三：将正常样本的电力部件之间的语义关系作为正样本，将缺陷样本的电力部件与缺陷之间的语义关系作为负样本；

步骤四：将正样本和负样本同时输入CNN网络中进行训练，得到输电线路缺陷识别模型；

步骤五：采集输电线路的电力部件的实时图像，并利用输电线路缺陷识别模型对实时图像进行检测，当检测到缺陷时，发出预警信息。

所述所述电力部件包括绝缘子、杆塔、均压环、导线和防鸟刺。

所述采用图像增强分别对所述缺陷样本和正常样本进行处理的方法为：

对所述缺陷样本图像进行裁剪、放大/缩小、旋转、改变亮度或对比度、加噪点处理，得到缺陷图像样本；