[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

说明书

本发明公开了一种基于YOLOX网络的输电线路故障检测方法及系统，获取若干真实场景下的输电线路故障图像，并对故障数据集进行扩充和标注，整理形成包含异物悬挂、绝缘子缺损、鸟巢、断股散股、覆冰等五类故障的输电线故障检测数据集；然后搭建基于YOLOX的输电线故障检测网络，改进输电线故障检测网络的特征融合方式和损失函数；加入数据增强方法对输电线故障检测网络进行训练，利用训练得到的基于YOLOX的输电线故障检测模型进行输电线故障检测，完成基于YOLOX的输电线路故障检测。本发明提升了输电线故障检测的准确率，在保证实时性的同时能够有效检测输电线故障，为实际应用中的输电线路故障检测、智能巡线提供了更好的技术支撑。

技术领域

本发明属于输电线路智能监测技术领域，具体涉及一种基于YOLOX网络的输电线路故障检测方法及系统。

背景技术

输电线路的分布范围广泛，线路运行错综复杂，极易受气候、地形、自然灾害、人为因素等的影响，线路部件长期暴露在恶劣的环境中难免会出现导线散股断股、绝缘子缺损、异物等现象，导致输电线路发生稳定性故障，这直接影响到电力系统的可靠运行，也因此对生产生活带来巨大影响。因此，对输电线路进行实时监测，可以及时掌握线路上的设备状态，为存在的故障隐患及时提供预警，对保障电力系统的稳定运行具有重大价值。

近年来，以深度学习为代表的人工智能技术在图像处理领域取得了巨大成功，尤其是在图像恢复、目标检测、场景分割等任务中屡获佳绩，这为输电线路的在线监测提供了一个良好的设计思路。因此，将深度学习应用于输电线路故障检测，实现对输电线故障的实时监测，可以及时发现输电线路存在的故障并提供预警，对电力系统的安全稳定运行具有重大的意义。

基于深度学习的输电线故障检测存在以下问题：

1)由于国家电力行业的特殊性，输电线故障检测领域缺少公开的标准数据集，大部分故障数据类别单一的问题；

2)电力场景故障目标复杂多变，不同尺度故障目标同时存在时基于深度学习的故障检测方法检测效果欠佳；

3)基于深度学习的检测网络对故障的精确定位往往难以实现。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于YOLOX网络的输电线路故障检测方法及系统，用于解决输电线故障检测领域缺少公开的标准数据集，电力场景故障目标复杂多变，不同尺度故障目标同时存在时检测效果欠佳的技术问题，有效提升输电线故障检测的精度。

本发明采用以下技术方案：

一种基于YOLOX网络的输电线路故障检测方法，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。

具体的，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。

进一步的，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；