一種基于航拍圖像的檢測輸電線路中絕緣子缺失的方法技術

本發明專利技術涉及一種基于航拍圖像的檢測輸電線路中絕緣子缺失的方法，包括：①構建數據庫；②訓練檢測模型：采用快速檢測網絡faster?RCNN，包括檢測網絡fast?RCNN和區域生成網絡RPN；③交叉訓練微調網絡構建檢測模型：采用交叉訓練的方法，重新訓練網絡，并將檢測網絡fast?RCNN和區域生成網絡RPN組合為一個端到端的卷積神經網絡，從而構成缺失絕緣子檢測模型；④用檢測模型對要測試的圖片進行檢測，得到絕緣子目標的候選框，調整候選框的閾值，對候選框進行非極大值抑制，得到最終的候選框。

Method for detecting insulator deletion in transmission line based on aerial image

The invention relates to a method for detection of transmission line insulator, lack of aerial images based on the construction of database include: training; detection model: the rapid detection of faster network RCNN, including fast RCNN and network detection area generation network RPN; the detection model of cross training fine network construction: using the method of cross training. To train the network, and the network of fast RCNN and detection area generation network RPN combination for an end to the convolutional neural network terminal, which constitute the missing insulator detection model; the detection model to test the image target detection, get insulator candidate box, adjust the candidate frame threshold, non maximum the value of inhibition of the candidate frame, get the final candidate box.

【技術實現步驟摘要】
一種基于航拍圖像的檢測輸電線路中絕緣子缺失的方法
本專利技術屬于遙感影像
，涉及一種檢測巡檢航拍圖像中絕緣子缺失的方法。
技術介紹
保障輸電線路的可靠性和穩定性是智能電網建設的一項十分重要的內容。而絕緣子在其中有很大的作用，它是一種特殊的絕緣控件，能夠在架空輸電線路中起到重要作用，包括支撐線路、電氣絕緣等等；但是同時它也會經常出故障，污穢、裂紋、破損等故障對輸電線路的安全運行造成了極大的威脅。據統計，由絕緣子故障引起的事故目前已成為電力系統故障中所占比例最高的事故。因此，監測和檢查絕緣子的狀況，及時完成故障診斷就顯得尤為重要。中國幅員遼闊，地形復雜，氣候類型多樣。有許多輸電線路建在重山峻嶺、江河湖海等無人區，再加上復雜的環境、地理和氣候條件，這對傳統的人工巡檢有著非常不利的影響，使得工作人員有的時候未能及時發現問題，使得后續的問題解決遇到了很大的困難，一旦出現短路或是其他問題使得大面積停電的情況出現，造成國家財產的損失和人民日常生活的不便。直升機巡線輸電線路具有高效、可靠、便捷、不受地域影響等優點，技術含量高。在許多發達國家直升機巡線輸電線路已逐步取代傳統地面人工巡線。有效地降低了工作人員的工作強度，提高了巡檢質量、效率和效益。之后通過對圖像進行分析，可以判斷出問題區域，使得工作人員能夠更有針對性地解決問題。[1]王淼，杜毅，張忠瑞.無人機輔助巡視及絕緣子缺陷圖像識別研究[J].電子測量與儀器學報，2015,29(12)：1862-1869.[2]劉建友，李寶樹，仝衛國.航拍絕緣子圖像的提取和識別[J].傳感器世界,2010,15(12):22-24.
技術實現思路
本專利技術的目的是提供一種準確性高、速度快的檢測輸電線路中絕緣子缺失的方法，技術方案如下：一種基于航拍圖像的檢測輸電線路中絕緣子缺失的方法，包括下列步驟：①構建數據庫：將巡線拍攝的帶有絕緣子的圖像收集起來，挑選出其中含有缺失絕緣子的圖像并對其進行標注，同時使用圖像增強技術，構建符合格式要求，匹配網絡結構的數據集；②訓練檢測模型：采用快速檢測網絡faster-RCNN，包括檢測網絡fast-RCNN和區域生成網絡RPN，將數據集中的一部分數據作為訓練數據輸入到卷積神經網絡VGG16中進行特征提取得到特征圖，通過興趣區ROI池化層映射出候選區域框，之后再添加2個全連接層對提取到的特征做非線性變換，輸出判別是否為缺失絕緣子的置信度和粗選回歸框的位置修正參數，最后利用Softmax損失函數和L1-Loss損失函數對分類概率和邊框回歸聯合訓練，整體探測框架用選擇性搜索的方法生成建議窗口，將其輸入到VGG16網絡，用邊框回歸值校正原來的建議窗口，生成預測窗口坐標；③交叉訓練微調網絡構建檢測模型：采用交叉訓練的方法，重新訓練網絡，并將檢測網絡fast-RCNN和區域生成網絡RPN組合為一個端到端的卷積神經網絡，從而構成缺失絕緣子檢測模型；④用檢測模型對要測試的圖片進行檢測，得到絕緣子目標的候選框，調整候選框的閾值，對候選框進行非極大值抑制，得到最終的候選框。優選地，對原始圖像進行圖像增強后的圖像均用來制作數據集，對原始圖像進行圖像增強的方法如下：a)加入圖像噪聲，包括高斯噪聲、斑點噪聲、泊松噪聲和椒鹽噪聲；b)對圖像進行濾波，使其產生模糊的效果，包括均值濾波、高斯濾波、圓形區域濾波、運動模糊和對比度增強濾波；c)對圖像做亮度變換，處理后的圖片的亮度為原圖亮度的50％，75％，125％和150％；d)尺度放縮，包括最近鄰域內插，雙線性內插和雙三次內插；e)調整JPEG質量，將JPEG圖像按照JPEG編碼規范降低質量，參數包括75％和90％。附圖說明圖1fast-RCNN示意圖圖2RPN結構圖圖3未做圖像增強時的檢測率圖4做了圖像增強后的檢測率具體實施方式為使本專利技術的技術方案更加清楚，下面結合附圖對本專利技術具體實施方式做進一步地描述。1.制作數據集。將巡線拍攝的有絕緣子缺失的圖片收集起來，按照一定比例分為訓練集、驗證集和測試集，圖片應做預處理，尺寸大小統一處理為600×400的，之后對圖片中絕緣子缺失部分進行標注，得到xml文件，數據集制作完成。2.進行圖像增強?？紤]到輸電線路航拍圖像的數據量小的特點，為了提高系統的魯棒性和識別精度，我們對訓練集和測試集的圖片進行圖像增強。(1)加入圖像噪聲。對一幅輸入圖像f(x,y)進行處理，產生一幅退化后的圖像g(x,y)。給定g(x,y)、退化函數H和加性噪聲項η(x,y)，空間域中退化圖像可由下式給出：g(x,y)＝h(x,y)*f(x,y)+η(x,y)在頻域上：G(u,v)＝H(u,v)F(u,v)+N(u,v)圖像噪聲及其參數如下表所示：表1圖像噪聲及其參數(2)對圖像進行濾波，使其產生模糊的效果。濾波方式及參數由下表給出：表2圖像濾波方式及其參數(3)對圖像做亮度變換。處理后的圖片的亮度為原圖亮度的50％，75％，125％和150％。(4)尺度放縮。對圖像做預處理時有三種方式，分別是最近鄰域內插，雙線性內插和雙三次內插。雙線性內插是利用4個最近鄰去估計給定位置的灰度。令(x,y)為我們想要賦以灰度值的位置的坐標，并令v(x,y)表示灰度值，則對于雙線性內插來說，賦值公式是由下面公式得到的：v(x,y)＝ax+by+cxy+d雙三次內插包括16個最近鄰點。賦予點(x,y)的灰度值是使用下式得到的：其中，16個系數可由16個用(x,y)點最近鄰點寫出的未知方程確定。對于一般目的的數字圖像處理，較少考慮額外的計算負擔是合理的，所以雙線性內插和雙三次內插是人們選擇的典型方法。(5)調整JPEG質量。將JPEG圖像按照JPEG編碼規范降低質量，參數包括75％和90％。通過利用上述策略對原始圖像中的訓練圖像進行變換，實現對微航拍圖像訓練數據集的圖像增強。增強后的數據量是原始數據量十數倍。3.訓練檢測模型。這里選用的是Faster-RCNN方法，fasterRCNN由兩部分構成，即fast-RCNN和RPN，用RPN代替Faster-RCNN中的SelectiveSearch方法是Faster-RCNN的核心思想。fast-RCNN的結構如圖1所示，RPN的結構如圖2所示。首先設置初始的訓練和測試參數，比如修改要檢測的類別及其類別數，驗證集的數目，迭代次數以及選擇模型等。具體操作時，將圖片和xml文件放入指定文件夾，開始訓練時，把整張圖片輸入到卷積神經網絡，進行特征提取并生成建議窗口，之后將建議窗口映射到卷積神經網絡的最后一層卷積特征圖上，通過RoI池化層使每個RoI生成固定尺寸的特征圖，之后進行聯合訓練，使用“交叉優化”的策略，得到一個針對絕緣子的檢測模型。具體方法如下：采用快速檢測網絡faster-RCNN，包括檢測網絡fast-RCNN和區域生成網絡RPN，將數據集中的一部分數據作為訓練數據輸入到卷積神經網絡VGG16中進行特征提取得到特征圖，通過興趣區ROI池化層映射出候選區域框，之后再添加2個全連接層對提取到的特征做非線性變換，輸出判別是否為缺失絕緣子的置信度和粗選回歸框的位置修正參數，最后利用Softmax損失函數和L1-Loss損失函數對分類概率和邊框回歸聯合訓練，整體探測框架用選擇性搜索的方法生成建本文檔來自技高網...

【技術保護點】
一種基于航拍圖像的檢測輸電線路中絕緣子缺失的方法，包括下列步驟：①構建數據庫：將巡線拍攝的帶有絕緣子的圖像收集起來，挑選出其中含有缺失絕緣子的圖像并對其進行標注，同時使用圖像增強技術，構建符合格式要求，匹配網絡結構的數據集；②訓練檢測模型：采用快速檢測網絡faster?RCNN，包括檢測網絡fast?RCNN和區域生成網絡RPN，將數據集中的一部分數據作為訓練數據輸入到卷積神經網絡VGG16中進行特征提取得到特征圖，通過興趣區ROI池化層映射出候選區域框，之后再添加2個全連接層對提取到的特征做非線性變換，輸出判別是否為缺失絕緣子的置信度和粗選回歸框的位置修正參數，最后利用Softmax損失函數和L1?Loss損失函數對分類概率和邊框回歸聯合訓練，整體探測框架用選擇性搜索的方法生成建議窗口，將其輸入到VGG16網絡，用邊框回歸值校正原來的建議窗口，生成預測窗口坐標；③交叉訓練微調網絡構建檢測模型：采用交叉訓練的方法，重新訓練網絡，并將檢測網絡fast?RCNN和區域生成網絡RPN組合為一個端到端的卷積神經網絡，從而構成缺失絕緣子檢測模型；④用檢測模型對要測試的圖片進行檢測，得到絕緣子目標的候選框，調整候選框的閾值，對候選框進行非極大值抑制，得到最終的候選框。...

【技術特征摘要】
1.一種基于航拍圖像的檢測輸電線路中絕緣子缺失的方法，包括下列步驟：①構建數據庫：將巡線拍攝的帶有絕緣子的圖像收集起來，挑選出其中含有缺失絕緣子的圖像并對其進行標注，同時使用圖像增強技術，構建符合格式要求，匹配網絡結構的數據集；②訓練檢測模型：采用快速檢測網絡faster-RCNN，包括檢測網絡fast-RCNN和區域生成網絡RPN，將數據集中的一部分數據作為訓練數據輸入到卷積神經網絡VGG16中進行特征提取得到特征圖，通過興趣區ROI池化層映射出候選區域框，之后再添加2個全連接層對提取到的特征做非線性變換，輸出判別是否為缺失絕緣子...

【專利技術屬性】
技術研發人員：侯春萍，章衡光，楊陽，管岱，郎玥，
申請(專利權)人：天津大學，
類型：發明
國別省市：天津,12