[发明专利]一种缺陷检测方法及装置

说明书

本申请公开了一种缺陷检测方法，应用于电力器械检测技术领域，其中，该方法包括从输电线路上的图像采集设备中获取原始图像集；对原始图像集进行预处理，以得到训练图像集；将训练图像集输入至神经网络中进行训练，以得到缺陷检测模型；采用缺陷检测模型对原始图像集进行缺陷检测，以得到缺陷检测结果；从而提高了排除由螺丝钉锈蚀缺陷导致的故障的效率。

技术领域

本申请涉及电力器械检测技术领域，尤其涉及一种缺陷检测方法及装置。

背景技术

螺丝钉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，但由于复杂多变的室外气候环境，容易出现锈蚀，从而引起各个部件连接松动，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，对于传统的螺丝钉检查手段，需要人工爬上几十米高的位置目测检查，而螺丝钉数量大、分布广，所以该项工作费时又费力还对工作人员存在伤害风险，近年来，无人机架空输电线路巡检因其安全、高效、检测全面而在电力系统中得到推广，结合深度学习领域的目标检测技术能够针对无人机巡检图像实现智能螺丝钉锈蚀检测。

基于深度学习方法的目标检测方法在许多领域得到了广泛的应用，然而目前国内外学者对于细粒度的螺丝钉锈蚀的研究比较少，主要的大目标检测方向的应用，例如：绝缘子污秽、横担锈蚀以及鸟巢检测等，关于不同检测手段在输电线路螺丝钉锈蚀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丝钉锈蚀缺陷的自动检测，实现即时高效的故障排除，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，本申请的主要目的在于提供一种缺陷检测方法及装置，提高排除由螺丝钉锈蚀缺陷导致的故障的效率。

本申请第一方面提供了一种缺陷检测方法，该方法包括：

从输电线路上的图像采集设备中获取原始图像集；

对原始图像集进行预处理，以得到训练图像集；

将训练图像集输入至神经网络中进行训练，以得到缺陷检测模型；

采用缺陷检测模型对原始图像集进行缺陷检测，以得到缺陷检测结果。

在本申请第一方面的一些实现方式中，对原始图像集进行预处理，以得到训练图像集，具体包括：

对原始图像集进行数据增广操作，得到增广图像集，数据增广操作包括以下任意一种：角度随机翻转、亮度随机变化、对比度随机变化、增加随机噪声、增加随机雾化、水平移动以及图像随机扭曲；

对增广图像集中的螺丝钉目标进行标注操作，以得到训练图像集，螺丝钉目标包括以下至少一种标注：坐标、尺寸以及标签。

在本申请第一方面的一些实现方式中，该方法还包括：

对原始图像集进行滑窗裁剪，并获取原始图像集裁剪后的标注文件，原始图像集中的螺丝钉目标预置有标注；

根据标注文件删除训练图像集中的未含有螺丝钉目标的图像或标注。

在本申请第一方面的一些实现方式中，该方法还包括：

将注意力机制添加至神经网络中。

在本申请第一方面的一些实现方式中，将训练图像集输入至神经网络中进行训练，以得到缺陷检测模型，具体包括：

对训练图像集进行卷积操作，得到训练图像集中的每个训练图像的第一特征向量；

对第一特征向量进行压缩操作，得到第二特征向量；

将第二特征向量作为每个训练图像在多个特征维度中的评价分数；

对第二特征向量进行激励操作，得到第三特征向量，特征向量作为每个训练图像在多个特征维度中的权重参数；