[发明专利]一种基于深度学习的输电线路小目标缺陷检测方法

说明书

本发明公开了一种基于深度学习的输电线路小目标缺陷检测方法，包括获取前端摄像机采集的输电线路的初始图片数据；对初始图片数据进行处理，得到具备特征方向的图片数据；对具备特征方向的图片数据进行图像识别和图像特征提取，筛选出缺陷图片数据；对筛选出的缺陷图片数据进行对应的小目标缺陷类别划分，得到不同小目标缺陷对应的缺陷图片数据；根据不同小目标缺陷对应的缺陷图片数据，建立基于深度学习的小目标缺陷检测模型；利用基于深度学习的小目标缺陷检测模型检测采集的图片数据，得到对应的小目标缺陷的结果。本发明能够准确对输电线路小目标进行缺陷识别检测，无需人工在高空进行操作，提高了检测效率，且安全性较高。

技术领域

本发明涉及输电线路缺陷检测领域，具体涉及一种基于深度学习的输电线路小目标缺陷检测方法。

背景技术

随着我国电力行业的蓬勃发展，输电线路布局复杂，输电线路分为架空输电线路和电缆线路，架空输电线路由线路杆塔、导线、线路金具、绝缘子、拉线、接地装置等构成，分布广阔，遍布田野、城区、沙漠、湖泊等各种地形。输电线路所处自然环境和气候多变，由于长期运行在野外，经历狂风暴雨曝晒等极端天气的冲击，不可避免地遭到各种人为或者非人为因素的破坏，导线、金具、绝缘子等部件容易出现锈蚀、破损、断股等缺陷。同时，部件安装不规范也为输电线路安全运行带来隐患。所以需要对输电线路进行定期的检查和维修。

输电线路中的小目标样本包括线路金具、绝缘子、拉线、接地装置等，传统的小目标样本的检查主要依靠人工巡检的方式或者通过RCNN算法方式，前一种巡检方式主要靠专业人员前往巡检的现场在高压环境下进行人工攀爬工作，人工检测不仅影响工作人员的工作效率，容易导致检测结果不准确，还存在极大的安全问题；后一种检测方式容易导致图像畸变，内存占用大检测速度慢，检测精度不准确。

发明内容

本发明的目的在于提供一种基于深度学习的输电线路小目标缺陷检测方法，可以解决现有技术中检测方式容易导致图像畸变，造成检测速度慢、检测精度不准确的问题。

本发明的目的是通过以下技术方案实现的：

本发明提供一种基于深度学习的输电线路小目标缺陷检测方法，包括以下步骤：

步骤S1、获取前端摄像机采集的输电线路的初始图片数据；

步骤S2、对初始图片数据进行处理，得到具备特征方向的图片数据；

步骤S3、对具备特征方向的图片数据进行图像识别和图像特征提取，筛选出缺陷图片数据；

步骤S4、对筛选出的缺陷图片数据进行对应的小目标缺陷类别划分，得到不同小目标缺陷对应的缺陷图片数据；

步骤S5、根据不同小目标缺陷对应的缺陷图片数据，建立基于深度学习的小目标缺陷检测模型；

步骤S6、利用基于深度学习的小目标缺陷检测模型检测采集的图片数据，得到对应的小目标缺陷的结果。

进一步的，所述对初始图片数据进行处理，得到具备特征方向的图片数据具体包括：

步骤S201、获取初始图片数据中每个图片分辨率，得到同一分辨率的图片数据；

步骤S202、对同一分辨率的图片数据进行轮廓提取，得到图片数据的轮廓曲线；

步骤S203、对轮廓曲线进行求导数，获取轮廓曲线的曲率；

步骤S204、将中心点作为轮廓曲线的特征点，获得特征点指向轮廓曲线始端的方向向量和特征点指向轮廓曲线末端的方向向量；

步骤S205、对特征点指向轮廓曲线始端的方向向量和特征点指向轮廓曲线末端的方向向量进行求和计算，得到具备特征方向的图片数据。

进一步的，所述对具备特征方向的图片数据进行图像识别和图像特征提取，筛选出缺陷图片数据包括：