[发明专利]一种基于YOLOX网络的输电线路故障检测方法及系统

权利要求书

1.一种基于YOLOX网络的输电线路故障检测方法，其特征在于，包括以下步骤：

S1、将真实场景下的输电线路故障图像作为原始样本；

S2、对步骤S1得到的原始样本进行扩充；

S3、利用LabelImg对步骤S2扩充后的原始样本进行标注，整理形成输电线故障检测数据集；

S4、搭建基于YOLOX的输电线路故障检测网络，利用基于空洞卷积的自适应多尺度融合机制和基于多项式IoU的损失函数对基于YOLOX的输电线路故障检测网络进行优化；

S5、对步骤S3构建的输电线故障检测数据集进行数据增强，然后对步骤S4优化后基于YOLOX的输电线路故障检测网络进行训练，利用训练好的基于YOLOX的输电线路故障检测网络实现输电线路故障检测。

2.根据权利要求1所述的基于YOLOX网络的输电线路故障检测方法，其特征在于，步骤S2中，通过平移、旋转、场景模拟、故障仿真操作对步骤S1得到的原始样本进行扩充。

3.根据权利要求2所述的基于YOLOX网络的输电线路故障检测方法，其特征在于，场景模拟具体为：

通过模拟导线散股、断股的场景，拍摄不同角度、光照条件下不同损伤程度的导线图像实现对输电线数据的扩充；

故障仿真具体为：利用Photoshop软件分别仿真输电线路上悬挂异物、绝缘子缺损的故障图像，通过在无故障图像中拼接故障图像，实现故障数据的扩充。

4.根据权利要求1所述的基于YOLOX网络的输电线路故障检测方法，其特征在于，步骤S3中，输电线故障检测数据集的故障类型包括异物悬挂、绝缘子缺损、鸟巢、散股和覆冰。

5.根据权利要求1所述的基于YOLOX网络的输电线路故障检测方法，其特征在于，步骤S4中，损失函数L具体为：

L＝L_IoU-p+FL(p_t)+_cls

其中，L_IoU-p为多项式IoU损失函数，FL(p_t)为置信度损失函数，L_cls为类别损失函数。

6.根据权利要求5所述的基于YOLOX网络的输电线路故障检测方法，其特征在于，置信度损失函数FL(p_t)为：

FL(p_t)＝-α_t(1-_t)^γlog((p_t)

其中，(1-_t)^γ为调节因子，γ为可调聚焦参数，p_t为YOLOX网络输出的预测概率。

7.根据权利要求5所述的基于YOLOX网络的输电线路故障检测方法，其特征在于，多项式IoU损失L_IoU-p为：

其中，x为IoU的值，w_i为多项式的系数取值为1或者0，xⁱ为多项式，n为6。

8.根据权利要求1所述的基于YOLOX网络的输电线路故障检测方法，其特征在于，步骤S5中，使用Mosaic、Mixup对输电线故障检测数据集进行数据增强。

9.根据权利要求8所述的基于YOLOX网络的输电线路故障检测方法，其特征在于，Mixup的具体过程为：

对不同故障类别的数据以线性插值的方式构建新的训练样本及标签，即将两张图片按比例混合，同时将其标签也混合；

Mosaic的具体过程为：

随机裁剪四张图像的一部分，然后拼接到一起形成一个样本，实现数据的增强。

10.一种基于YOLOX网络的输电线路故障检测系统，其特征在于，包括：

数据模块，将真实场景下的输电线路故障图像作为原始样本；

扩充模块，通过平移、旋转、场景模拟、故障仿真操作对数据模块得到的原始样本进行扩充；

标注模块，利用LabelImg对扩充模块扩充后的原始样本进行标注，整理形成包含异物悬挂、绝缘子缺损、鸟巢、散股、覆冰五类故障的输电线故障检测数据集；

网络模块，搭建基于YOLOX的输电线路故障检测网络，利用基于空洞卷积的自适应多尺度融合机制和基于多项式IoU的损失函数对基于YOLOX的输电线路故障检测网络进行优化；

检测模块，对标注模块构建的输电线故障检测数据集进行数据增强，然后对网络模块优化后基于YOLOX的输电线路故障检测网络进行训练，利用训练好的基于YOLOX的输电线路故障检测网络实现输电线路故障检测。