[发明专利]一种输变电设备缺陷图像自动识别方法

说明书

本发明公开了一种输变电设备缺陷图像自动识别方法，属于图像识别技术领域，目的在于解决现有输变电设备缺陷图像自动识别技术采集的图像清晰度低、图像特征提取及图像识别稳定性差的问题。其基于非线性灰度变换的直方图均衡法和小波去噪算法提高图像质量，基于生成对抗网络的数据增广技术扩充输变电设备图像训练数据集，提高了网络特征提取能力，使得网络生成的图像清晰度、多样性和局部细节都有明显的提高，基于FasterR‑CNN网络图像识别技术，能够在复杂多变背景的影响下学习到输变电设备的特征并快速准确地识别出来，充分平衡了识别准确率和速率。本发明适用于输变电设备图像数据增广方法小波去噪算法对图像进行去噪处理。

技术领域

本发明属于图像识别技术领域，具体涉及一种输变电设备缺陷图像自动识别方法。

背景技术

近年来，随着经济的不断发展，各地区输电线需求迅速增加，电网规模也在不断扩大，输电线路的散股、断股和绝缘子损坏口等缺陷引起的输电故障会对企业、工业生产造成无法弥补的经济损失，因此定期对输电线路进行安全巡检工作十分必要，目前比较传统的巡检方式主要还是靠人工巡检，采用这种方式进行巡检存在巡检工作强度大、效率低，巡检工作存在安全隐患，巡检质量不高，维修不及时等问题。伴随着计算机技术的迅猛发展，基于深度学习中的神经网络技术智能分析巡检图像大大提高了巡检人员的工作效率，但对于目前的输变电设备缺陷图像自动识别仍存在以下问题：

1、首先关于图像获取方面：远距离拍摄下，画面之中难免出现树木与丘陵，如果图像信息不够丰富，便会导致特征点提取较少，在分类时导致分类不准确的问题发生，且由于无人机拍摄的角度不同，输电线路中电力杆塔可能出现叠加情况。

2、然后关于图像预处理方面：输电线路所处环境光照变化剧烈，而且时常会遭遇大雨、大雪以及大雾等恶劣天气，这些恶劣的天气会严重影响成像质量，图像的亮度和对比度会大幅下降。并且由于输电线路的传输距离远，传输环境复杂，这些原因会使得传输回来的图像受到极大的噪声干扰。

3、接着关于图像特征提取方面：输电线路所处的环境非常复杂，复杂环境会使得输电线路设备的提取成为了一个难题，设计一个鲁棒性高、稳定、通用的算法将是一个非常大的难题。

4、最后关于图像分析与识别方面：输电线路现场安装的摄像头角度多变，会导致针对同一输电线路设备的拍摄视角多变。这个问题会导致提取的特征不稳定，例如形状特征，视角不同会导致同一物体的形状特征发生变化。这将会在输电线路的识别中成为难题。而且摄像头安装的位置不妥当，会导致“遮挡”问题，例如绝缘子的两串绝缘子之间会造成互相遮挡，影响绝缘子的识别。

发明内容

本发明的目的在于：提供一种输变电设备缺陷图像自动识别方法，解决现有输变电设备缺陷图像自动识别技术采集的图像清晰度低、图像特征提取及图像识别稳定性差的问题。

本发明采用的技术方案如下：

一种输变电设备缺陷图像自动识别方法，包括以下步骤：

(A)作业人员操控无人机，对输变电设备进行巡检，作业人员触发无人机拍照指令，巡检软件就立刻记录当前巡检点位的飞行数据和图像数据；

(B)对采集的图像数据进行预处理，首先对图像进行基于Gamma校正的非线性灰度变化以，构造非线性变换：

s＝cr^γ (1)；

其中，r表示原始图像的灰度级，s表示变换后的灰度级，c和γ为正常数，γ＞1时，输入越亮输出值越加强，即图像变亮，γ＜1时，输入越亮输出值越减弱，即图像变暗；γ＝1时，表示为线性变换，图像亮度不变；因此，提出根据图像的平均灰度值的大小来决定γ的取值：