[发明专利]一种复合材质电力设备可见光图像的憎水性状态诊断方法

说明书

本发明提供了一种复合材质电力设备可见光图像的憎水性状态诊断方法，包括如下步骤：S1,对复合材质绝缘子憎水性图像进行预处理；S2，构建残差神经网络、特征金字塔网络以及路径聚合网络；S3，基于矩形框标注技术，标注复合材质绝缘子憎水性图像的检测范围；S4，对待测图像进行图像质量提升工作以获取高分辨率待测图像的图像质量诊断提升模块；S5，构建用于通过CIoU算法公式实现复合材质绝缘子憎水性图像矩形框范围切割和憎水性等级预测的憎水性等级预测模块。本发明根据憎水性图像的水迹形状特征，实现了对复合绝缘子运行状态的精准诊断和可视化，为输电线路复合绝缘子故障处理提供了有效的参考，具有一定的应用价值。

技术领域

本发明涉及绝缘子技术领域，具体而言，涉及一种复合材质电力设备可见光图像的憎水性状态诊断方法。

背景技术

复合绝缘子作为输电线路的电力设备之一，凭借着复合材质的优异性能，在电气绝缘和机械支撑方面起着至关重要的作用。受环境和气候的影响，复合绝缘子的绝缘性能下降，会威胁电网运行安全。利用无人机巡航技术，结合先进的图像处理技术，对复合绝缘子进行故障诊断是目前较为常用的检修手段。

但是，现有的复合绝缘子憎水性图像诊断方法上存在拍摄模糊无法识别和无法可视化缺点，对故障的排查和复合绝缘子的维护造成了极大的影响。

发明内容

基于此，为了解决现有的复合绝缘子憎水性图像诊断方法上存在拍摄模糊无法识别和无法可视化的问题，本发明提供了一种复合材质电力设备可见光图像的憎水性状态诊断方法，其具体技术方案如下：

一种复合材质电力设备可见光图像的憎水性状态诊断方法，其包括如下步骤：

S1,获取复合材质绝缘子憎水性图像并对复合材质绝缘子憎水性图像进行预处理；

S2，构建用于提取不同尺寸图像特征的残差神经网络、对不同尺寸图像特征进行融合以获取图像融合特征信息的特征金字塔网络以及根据图像融合特征信息获取带定位信息的图像融合特征的路径聚合网络；

S3，基于矩形框标注技术，标注复合材质绝缘子憎水性图像的检测范围，实现复合材质绝缘子憎水性图像检测范围的分割；

S4，如图6所示，构建用于以图像中PMP算子作为图像质量判据条件，通过RL反卷积算法对待测图像进行图像质量提升工作以获取高分辨率待测图像的图像质量诊断提升模块；

S5，构建用于通过CIoU算法公式实现复合材质绝缘子憎水性图像矩形框范围切割和憎水性等级预测的憎水性等级预测模块；

其中，CIoU算法公式为式中，Γ_IOU为预测框b和实际框b_gt的损失函数值，ρ(b,b_gt)为预测框b和实际框b_gt中心点距离，c为b与b_gt最小外接矩形c的对角线距离，w_gt和w分别为实际框和预测框的宽，h_gt和h为实际框和预测框的高。

所述复合材质电力设备可见光图像的憎水性状态诊断方法通过构建残差神经网络、路径聚合网络和特征金字塔网络并对残差神经网络、路径聚合网络和特征金字塔网络进行训练，实现了复合绝缘子憎水性等级诊断，通过采用矩形框+憎水性等级的方式，实现了复合绝缘子的憎水性等级可视化和快速诊断，通过构建图像质量诊断提升模块，可以对无人机拍摄中存在的模糊憎水性图像进行分辨率提升工作，使复合绝缘子的检测精度更加稳定，解决了现有的复合绝缘子憎水性图像诊断方法上存在拍摄模糊无法识别和无法可视化的问题。

进一步地，在步骤S1中，对复合材质绝缘子憎水性图像进行预处理的具体方法包括如下步骤：