[发明专利]一种基于模型融合绝缘子放电缺陷自适应识别方法及系统

说明书

本申请公开了一种基于模型融合绝缘子放电缺陷自适应识别方法及系统，应用于在线监测技术领域，通过对视频逐帧分解得到数据集，进行目标检测模型的训练后，输入待推理的图片进行推理，将推理结果合并得到竖直、水平和倾斜方向都较稳定的绝缘子坐标；通过色彩分离以及外接多边形得到紫外图像放电区域；基于绝缘子倾斜角度以及放电区域坐标，利用自适应方法获得放电区域沿绝缘子方向的长度；进而判定绝缘子放电缺陷风险等级；本申请基于多边形最大外接圆和最大外接矩形的自适应方法等联合解决方法，可以有效对视频和图片中的绝缘子进行放电缺陷识别并正确判定绝缘子放电缺陷风险等级，为进一步绝缘子放电缺陷诊断提供重要支撑依据。

技术领域

本申请涉及在线监测技术领域，更具体地，涉及一种基于模型融合绝缘子放电缺陷自适应识别方法及系统。

背景技术

目前绝缘子绝缘子是一种特殊的绝缘控件，安装在不同电位的导体或导体与接地构件之间，实现电气绝缘和机械固定。绝缘子绝缘子内部缺陷在不同发展阶段，具有不同的紫外表现特征，如内部酥朽缺陷发展至护套发生破损后，将出现明显的紫外放电；严重积污引发爬电后，绝缘子绝缘子表面也将出现严重的紫外放电，甚至造成绝缘击穿，进而会损坏整条线路的使用。

因此，实时监测绝缘子绝缘子放电过程，判断放电区域大小，通过放电长度来诊断放电缺陷等级对于架空线路上电网长距离传输的稳定运行至关重要。然而目前针对绝缘子绝缘子的缺陷巡视，输电线路主要是运用无人机进行，而变电站主要是运用智能巡检机器人进行。但这两种方法都是在现场采集大量视频或图片后，由人工判定绝缘子绝缘子是否存在放电缺陷以及放电缺陷的严重程度。而巡航无人机和巡检机器人又不具备自动识别放电缺陷及程度的能力。并且采集到的绝缘子绝缘子视频或图片存在各种倾斜角度，对机器的识别能力也会有较高要求。

发明内容

针对现有技术的至少一个缺陷或改进需求，本发明提供了一种基于模型融合绝缘子放电缺陷自适应识别方法及系统，基于多边形最大外接圆和最大外接矩形的自适应方法等联合解决方法，实现对视频和图片中的绝缘子进行放电缺陷的高效识别并正确判定绝缘子放电缺陷风险等级，为进一步绝缘子放电缺陷诊断提供重要支撑依据。

为实现上述目的，按照本发明的第一个方面，提供了一种基于模型融合绝缘子放电缺陷自适应识别方法，该方法包括：

获取绝缘子的图片数据集，对所述图片数据集进行第一图像处理，获得第一样本集，并依据所述第一样本集构建生成第一目标检测模型，所述第一目标检测模型为单阶段目标检测模型；

对所述图片数据集进行第二图像处理，获得第二样本集，并依据所述第二样本集构建生成第二目标检测模型，所述第二目标检测模型为双阶段目标检测模型；

与所述绝缘子的图片数据集相同采集手段下的待检测绝缘子的图片数据输入至所述第一目标检测模型获得第一坐标数据；并输入至第二目标检测模型获取第二坐标数据；解析所述第二坐标数据确定所述待检测绝缘子的状态信息；

对所述第一坐标数据和第二坐标数据进行融合分析获取所述待检测绝缘子的融合坐标数据，依据所述融合坐标数据计算获得所述待检测绝缘子的长度数据；

确定所述待检测绝缘子的图片数据中的紫外图片数据提取放电区域的外接多边形轮廓；并依据所述外接多边形轮廓与所述融合坐标数据进行计算获得所述待检测绝缘子放电区域的第一长度；

选择所述外接多边形轮廓中与所述待检测绝缘子方向相同的第一长度，以所述第一长度及所述长度数据计算所述放电区域在所述待检测绝缘子表面的长度占比。

进一步的，所述依据所述第二坐标数据确定所述待检测绝缘子的状态信息的步骤，包括：

解析所述第二坐标数据，对所述第二坐标数据进行计算获得所述待检测绝缘子的倾斜角度并进行状态分类，获得状态分类结果，所述状态分类结果包括待检测绝缘子的第一状态和第二状态；