[发明专利]一种基于人工智能的绝缘子伞裙破损面积测量方法及测量系统

说明书

本发明属于磨损面积计算技术领域，公开一种基于人工智能的绝缘子伞裙破损面积测量方法，所述测量方法包括：设计标准板；采集绝缘子和标准板的组合图像样本；基于图像识别算法对绝缘子进行图像识别，分离出绝缘子破损区域和正常区域，计算绝缘子伞裙破损区域的面积。本发明实施例的测量方法不需要人工计算，缩短单个绝缘子伞裙破损面积的计算时间，提高计算效率，解决了现有绝缘子形状不规则，破损面人工计算难度高，耗费时间多的问题。本发明实施例还公开了一种基于人工智能的绝缘子伞裙破损面积测量系统。

技术领域

本发明属于磨损面积计算技术领域，特别地，涉及一种基于人工智能的绝缘子伞裙破损面积测量方法及测量系统。

背景技术

绝缘子是电力系统的重要组成部分，其安全状态至关重要，绝缘子的质量对于电力系统的高效、安全、稳定运行有着重要意义。绝缘子质量评价的重要指标就是绝缘子破损面积，由于绝缘子破损面的形状不规则，而且绝缘子类型较多，破损面积涉及到伞裙弧度，人工计算难度高，耗费时间多，效率低。

因此，如何实现绝缘子伞裙破损面积的精确、快速测量，是目前亟待解决的问题。

发明内容

为解决上述问题，本发明提出一种基于人工智能的绝缘子伞裙破损面积测量方法及测量系统，采集绝缘子和标准板的组合图像样本，基于图像识别算法对绝缘子进行图像识别，分离出绝缘子破损区域和正常区域，计算绝缘子伞裙破损区域的面积，缩短单个绝缘子伞裙破损面积的计算时间，提高计算效率，可实现绝缘子伞裙破损面积的精确、快速测量。

根据本发明实施例的第一方面，提供了一种绝缘子伞裙破损面积测量方法。

在一个实施例中，一种绝缘子伞裙破损面积测量方法，包括以下步骤：

设计标准板；

采集绝缘子和标准板的组合图像样本；

基于图像识别算法对绝缘子进行图像识别，分离出绝缘子伞裙破损区域和正常区域，计算绝缘子伞裙破损区域的面积。

优选地，所述标准板为白色正方形标准板，该标准板的尺寸随多项制约因素在固定区间内进行动态波动。

优选地，所述制约因素包括绝缘子尺寸、相机焦距、固定支架高度中的一个或多个。

优选地，所述标准板尺寸初始数据为1*1m。

进一步地，所述采集绝缘子和标准板的组合图像样本，具体操作包括：将所述标准板水平固定放置，参试的绝缘子放置在所述标准板上，拍摄参试的绝缘子，拍摄图像包括绝缘子伞裙破损面。

进一步地，所述采集绝缘子和标准板的组合图像样本，具体操作还包括：在拍摄前，调整拍摄设备和所述标准板的距离，将所述标准板完全纳入拍摄范围。

进一步地，所述基于图像识别算法对绝缘子进行图像识别，分离出绝缘子伞裙破损区域和正常区域，计算绝缘子伞裙破损区域的面积，包括以下步骤：

分割组合图像样本；

训练主干网络；

构建绝缘子伞裙破损面积分割模型；

根据绝缘子伞裙破损面积分割模型输出像素点的类别，计算绝缘子伞裙破损区域面积。

进一步地，所述分割组合图像样本步骤，包括：利用Mask-RCNN算法分割所述组合图像样本。

进一步地，所述Mask-RCNN算法包括Faster-RCNN框架，在基础特征网络之后加入全连接的分割子网，由原来两个任务变为三个任务。

进一步地，所述Mask-RCNN算法包括两个阶段：

第一阶段，扫描图像并生成候选框；