[发明专利]一种基于YOLOx_s增强目标特征检测的绝缘板缺陷识别方法

说明书

本发明公开了一种基于YOLOx_s增强目标特征检测的绝缘板缺陷识别方法，包括：S1、采集绝缘板表面图像，对其进行预处理并构建数据集；S2、构建并利用数据集训练基于YOLOx_s网络的绝缘板缺陷检测网络；S3、将待检测的绝缘板表面图像输入至训练好的绝缘板缺陷检测网络中，获得包含缺陷类别和位置的绝缘板缺陷识别结果。本发明的检测系统集成了深度学习、目标检测、注意力机制、轻量化、Transformer架构等关键技术，对绝缘隔板表面缺陷进行智能检测，实现了对基本电力安全工器具—绝缘隔板的自动化、智能化和信息化检测，代替传统的人工目视法，减少人力、物力等，效率提升数倍以上，检测精度极大提高。

技术领域

本发明属于目标识别技术领域，具体涉及一种基于YOLOx_s增强目标特征检测的绝缘板缺陷识别方法。

背景技术

目前，电力是人类生活中不可或缺的动力源，因而电网公司在电力运行工作方面压力巨大，包括对电力正常运行维持，电器设备检修与维护等。电力安全工器具是保证电力正常运行的基本工具，绝缘隔板属于基本电力安全工器具之一，它是一种耐高压击穿的防护作业隔离设备。在电力施工作业中，常用于变压器、分段开关等的相同隔离保护。还用于角铁横担上时带电设备进行隔离，如更换跌落保险，避雷器时用于对邻相的遮挡，以限制人的活动范围，并提高对邻相的绝缘水平。绝缘隔板也可置于拉开的刀闸动、静触头之间以防止刀闸自行落下后误送电。有些安全距离不够的工作需要在刀闸及位于刀闸下方的基座之间安装绝缘隔板，起到对作业者人身安全的保护作用。这样小小的一块绝缘挡板不仅有效的隔离了带电设备，为作业者提供了安全保障。还可以有效为不便于开展带电作业的地区提供了有利条件，拓展带电作业的作业项目。

合格的绝缘隔板表面应平整光滑，不允许有杂质、坑点和其他明显的缺陷，只允许有轻微的擦伤。针对绝缘隔板的表面，造成表面缺陷的原因是在工厂制造过程中以及运输过程中，由于加工或操作不当造成杂质、坑点或者划痕的缺陷。另外，由于在电力作业现场的使用过程中，高温高压环境下造成的溶胶以及电压击穿的缺陷。因此，对于这些绝缘隔板表面缺陷的精确检测能够有效防止残次品的流出以及优质品的使用，及时发现和更换出现缺陷的绝缘隔板，保障电力作业人员的安全，保证电网的正常运行，实现绝缘隔板全周期的智慧寿命管理。

缺陷检测技术属于目标检测领域，在该领域内，深度学习因其强大的特征提取能力和对原始图像的良好表征能力受到广泛研究，因而，研发出了基于深度学习的FasterRCNN、YOLO、SSD等目标检测网络，其中，YOLO系列网络具有高实时性和结构简单的特点，并能实现良好的检测效果。YOLOx是一种高性能YOLO网络，在coco数据集上性能超越YOLOv4和YOLOv5，原始的YOLOx网络虽然具有很高的检测精度，但将其运用于绝缘隔板表面缺陷检测任务中，依然在杂质和坑点这种小目标检测上存在检测能力不足的问题，而且对于中大目标的检测能力还需继续加强。目前的绝缘隔板检测方法是人工目视法，通过质检员的肉眼逐个完成对众多绝缘隔板的缺陷检测，然而这种方法容易受到人的精神力和疲劳程度的影响，造成漏检或错检，且工作效率较低，给工厂和电力公司带来经济损失和安全隐患。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于YOLOx_s增强目标特征检测的绝缘板缺陷识别方法解决了现有的绝缘板检测方法中在小目标缺陷检测能力上的不足的问题，并进一步加强中大目标的检测能力。

为了达到上述发明目的，本发明采用的技术方案为：一种基于YOLOx_s增强目标特征检测的绝缘板缺陷识别方法，包括以下步骤：

S1、采集绝缘板表面图像，对其进行预处理并构建数据集；

S2、构建并利用数据集训练基于YOLOx_s网络的绝缘板缺陷检测网络；

在所述绝缘板缺陷检测网络中，小目标检测的输出尺度上设置有RFB_S模块和注意力机制CBAM模块，中大目标检测的输出尺度上设置有CoT模块；