[发明专利]输电线路销钉缺陷检测方法及装置

说明书

本发明提供一种输电线路销钉缺陷检测方法及装置，对于待处理的输电线路的目标航拍图像，通过将其输入至销钉缺陷检测模型中可以获得该目标航拍图像的销钉缺陷检测结果。本发明可以借助深度学习目标检测算法来训练销钉缺陷检测模型，通过该销钉缺陷检测模型进行目标航拍图像中螺栓是否缺销的缺陷检测，以此实现输电线路螺栓缺销缺陷的自动检测，从而及时高效的进行故障排除。

技术领域

本发明涉及输电线路电力器械检测技术领域，更具体地说，涉及一种输电线路销钉缺陷检测方法及装置。

背景技术

螺栓作为一种紧固件广泛应用于输电线路各部件之间的连接，使整个结构稳定。但由于工作环境复杂，容易破损，部分引脚可能缺失，可能造成大面积输电线路故障，严重威胁电网的安全性和稳定性。对于传统的螺栓检查，爬上位置是检查螺栓的主要手段，既费时又费力。由于螺栓的分散分布和螺栓规格的多样性，螺栓检查变得更加困难。近年来，无人机架空输电线路巡检因其安全性高、效率高而在电力系统中得到推广，也可以结合机器学习的目标检测技术实现智能处理。

基于计算机视觉深度学习的目标检测方法在许多领域得到了广泛的应用，解决了许多不同的问题。然而目前国内外学者对于细粒度的螺栓销钉缺失的研究比较少，主要的方向是在绝缘子缺失、自爆以及防震锤脱落检测等内容，关于不同模型检测手段在输电线路螺栓缺销检测中的应用还有很多问题需要解决。如何实现输电线路螺栓缺销缺陷的自动检测，实现及时高效的故障排除，是电力系统的一个难题，也是电力系统长期的研究目标。

发明内容

有鉴于此，为解决上述问题，本发明提供一种输电线路销钉缺陷检测方法及装置，技术方案如下：

一种输电线路销钉缺陷检测方法，所述方法包括：

获取待处理的输电线路的目标航拍图像；

将所述目标航拍图像输入至销钉缺陷检测模型中，所述销钉缺陷检测模型是预先基于深度学习目标检测算法训练得到的；

获取所述销钉缺陷检测模型针对所述目标航拍图像所输出的销钉缺陷检测结果。

优选的，所述方法还包括：

对所述目标航拍图像进行滑动窗口剪裁得到多个第一子图像，相邻的两个第一子图像具有重叠区域；

相应的，所述将所述目标航拍图像输入至预先训练得到的销钉缺陷检测模型中，包括：

依次将每个第一子图像输入至所述销钉缺陷检测模型中；

相应的，所述获取所述销钉缺陷检测模型针对所述目标航拍图像所输出的销钉缺陷检测结果，包括：

获取所述销钉缺陷检测模型针对每个第一子图像所输出的销钉缺陷检测结果，并对每个第一子图像对应的销钉缺陷检测结果进行非极大值抑制。

优选的，预先基于深度学习目标检测算法训练得到所述销钉缺陷检测模型的过程，包括：

获取输电线路无人机巡检所采集的样本航拍图像，所述样本航拍图像中的图像被标注有标签；

基于所述标签对所述样本航拍图像进行滑动窗口裁剪得到多个第二子图像，相邻的两个第二子图像不具有重叠区域；

调用深度学习目标检测算法的基础模型，并引入注意力机制使用所述多个第二子图像对所述基础模型进行训练。

优选的，所述方法还包括：

对所述样本航拍图像进行数据增强。

优选的，所述基础模型包括卷积层、池化层和全连接层，所述引入注意力机制使用所述样本航拍图像对所述基础模型进行训练，包括：

针对每个第二子图像，通过所述卷积层抽取该第二子图像的第一特征图，所述第一特征图中记录有该第二子图像在各通道下的图像特征；