一种绝缘子故障检测方法、装置、介质及电子设备与流程

1.本技术实施例涉及绝缘子故障检测技术领域，尤其涉及一种绝缘子故障检测方法、装置、介质及电子设备。


背景技术：

2.电力绝缘子是对输电线路起到支撑与绝缘作用的重要电力部件，一旦绝缘子出现故障将会严重影响电能的稳定输送。为保障电网稳定运行，对输电线路中故障绝缘子进行检测尤为重要。
3.目前的绝缘子故障检测，主要是通过巡视运维人员对巡视设备采集的绝缘子图像进行人工分拣的方式完成。这种基于人工的绝缘子故障检测方法，受限于巡视运维人员精力与经验，普遍存在检测效率低，检测准确率不高的问题。


技术实现要素：

4.本技术实施例提供一种绝缘子故障检测方法、装置、介质及电子设备，实现了绝缘子故障检测的自动化，达到了提高绝缘子故障检测效率及准确率的目的。
5.第一方面，本技术实施例提供了一种绝缘子故障检测方法，所述方法包括：
6.利用预设特征提取算法提取目标图像中绝缘子的特征数据，作为待匹配特征；
7.将所述待匹配特征与故障绝缘子样本数据库中的故障特征进行匹配；其中，所述故障绝缘子样本数据库是基于卷积神经网络模型预先构建的；
8.若匹配成功，将所述目标图像中的绝缘子标记为故障绝缘子。
9.第二方面，本技术实施例提供了一种绝缘子故障检测装置，所述装置包括：
10.待匹配特征提取模块，用于利用预设特征提取算法提取目标图像中绝缘子的特征数据，作为待匹配特征；
11.特征匹配模块，用于将所述待匹配特征与故障绝缘子样本数据库中的故障特征进行匹配；其中，所述故障绝缘子样本数据库是基于卷积神经网络模型预先构建的；
12.故障绝缘子标记模块，用于若匹配成功，将所述目标图像中的绝缘子标记为故障绝缘子。
13.第三方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本技术实施例所述的绝缘子故障检测方法。
14.第四方面，本技术实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本技术实施例所述的绝缘子故障检测方法。
15.本技术实施例所提供的技术方案，通过预先构建故障绝缘子样本数据库，将目标图像中绝缘子的特征数据与故障绝缘子样本数据库中的故障特征进行匹配，提高了绝缘子故障的检测速度，基于卷积神经网络模型构建的故障绝缘子样本数据库为绝缘子故障检测提供了准确可靠的数据参考，保证了绝缘子故障检测的准确率，本技术实施例实现了绝缘
子故障检测的自动化，降低了人工成本，有效提高了电力巡检的工作效率，提高了供电服务的质量。
附图说明
16.图1是本技术实施例一提供的一种绝缘子故障检测方法的流程图；
17.图2是本技术实施例二提供的另一种绝缘子故障检测方法的流程图；
18.图3是本技术实施例三提供的又一种绝缘子故障检测方法的流程图；
19.图4是本技术实施例四提供的一种绝缘子故障检测装置的结构示意图；
20.图5是本技术实施例六提供的一种电子设备的结构示意图。
具体实施方式
21.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本技术，而非对本技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部结构。
22.在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
23.实施例一
24.图1是本技术实施例一提供的一种绝缘子故障检测方法的流程图，本实施例可适用电网运维人员对高压线路巡视时，对输电线路中故障绝缘子进行检测的情况。该方法可以由本技术实施例所提供的绝缘子故障检测装置执行，该装置可以由软件和/或硬件的方式来实现，并可集成于运行此系统的电子设备中。
25.如图1所示，所述绝缘子故障检测方法包括：
26.s110、利用预设特征提取算法提取目标图像中绝缘子的特征数据，作为待匹配特征。
27.其中，目标图像待检测绝缘子的图像，目标图像中应该包括至少一个绝缘子主体。待检测绝缘子是需要进行故障检测的绝缘子，可选的，待检测绝缘子是指安装在电力传输线路上的绝缘子。
28.在一个可选的实施例中，所述目标图像是通过配置在无人飞机的摄像头采集的。
29.无人飞机可以为多旋翼飞行器，多旋翼飞行器具有灵活度高、控制简单以及不易损坏的优点，多旋翼飞行器可以到达各种高空电力设备，可以近距离的靠近绝缘子。可选的，配置在无人飞机上的摄像头为焦距可调节的高清摄像头，高清摄像头可以通过360度自由旋转的转盘搭载在无人飞机。
30.可选的，无人飞机还搭载有5g通信模块，用于支持无人飞机与云端服务器之间的通信。具体的，搭载有焦距可调高清摄像头的多旋翼飞行器，近距离靠近绝缘子，为绝缘子拍摄图像，并通过5g通信模块将拍摄的图像，实时传输给云端服务器，由云端服务器基于本技术实施例提供的绝缘子故障检测方法，完成对绝缘子故障的检测。可选的，目标图像是无
人飞机实时采集的，并实时传输给云端服务器的。
31.由于绝缘子设置在室外电力传输线路上，收到天气等情况的影响，摄像头拍摄的图像可能存在降质的风险，可选的，云端服务器对绝缘子进行故障检测之前，对从无人飞机接收到的原始图像进行预处理，示例性的，对原始图像进行去噪，或者去雾处理，得到满足特征提取要求的目标图像。
32.云端服务器利用预设特征提取算法提取目标图像中绝缘子的特征数据，作为待匹配特征。其中，预设特征提取算法是用于提取目标图像中绝缘子所在图像区域中有效信息的算法，其中，有效信息是指对判别绝缘子是否存在故障有帮助的信息。由于，存在故障的绝缘子在颜色、纹理和形状等方面与正常绝缘子之间存在差异，可选的，通过预设特征提取算法提取目标图像中绝缘子所在图像区域的颜色特征、纹理特征和形状特征。预设特征提取算法并非申请实施例的关注重点，预设特征提取算法可以是任意能够提取上述特征数据的图像特征提取算法。
33.通过预设特征提取算法，提取到的目标图像中绝缘子的特征数据，为待匹配特征。待匹配特征与目标图像存在对应关系，为方便表述称目标图像中的绝缘子为目标绝缘子，待匹配特征与目标绝缘子相对应，待匹配特征为目标绝缘子的特征数据。
34.s120、将所述待匹配特征与故障绝缘子样本数据库中的故障特征进行匹配；其中，所述故障绝缘子样本数据库是基于卷积神经网络模型预先构建的。
35.故障绝缘子样本数据库包括大量的故障特征，故障绝缘子样本数据库中包括的故障特征，几乎涵盖影响绝缘子绝缘性能的常见故障类型。故障绝缘子样本数据库是基于卷积神经网络构建的，具体的，通过卷积神经网络筛选出故障绝缘子，将故障绝缘子的特征数据作为故障绝缘子样本数据库中的故障特征。值得注意的是，故障绝缘子样本数据库中不存在任意两个相同的故障特征。
36.其中，故障特征是指故障绝缘子的特征数据。故障特征是从包括故障绝缘子的图像中提取的。故障特征作为绝缘子故障检测参考数据，云端服务器将待匹配特征与故障特征进行特征匹配，根据匹配结果确定与待匹配特征对应目标绝缘子是否存在故障。其中，匹配结果包括匹配成功和匹配失败。
37.s130、若匹配成功，将所述目标图像中的绝缘子标记为故障绝缘子。
38.若待匹配特征与故障特征匹配成功，则表明待匹配特征与故障特征高度相似，与待匹配特征对应的目标绝缘子具有故障特征，目标绝缘子很大可能上为存在故障的绝缘子。此时，云端服务器将目标图像中的绝缘子，也就是目标绝缘子，标记为故障绝缘子。
39.相对的，若待匹配特征与故障特征匹配不成功，则表明待匹配特征与故障特征相似度较低，与待匹配特征对应的目标绝缘子不具有故障特征，目标绝缘子很大可能上为正常绝缘子。为节省计算资源，此时无需对目标绝缘子进行任何标记。
40.绝缘子作为对输电线路起到支撑与绝缘作用的重要电力部件，一旦绝缘子出现故障会影响电力的稳定输送，示例性的，绝缘子故障可能导致输电线路接地故障，造成电力线路的大面积的停电，影响居民的生产生活用电。为了减少不必要的投诉和减少停电的时长，在检测到故障绝缘子以后，能够指示运维班组对存在故障的绝缘子进行及时检修。
41.在一个可选的实施例中，在将所述目标图像中的绝缘子标记为故障绝缘子以后，所述方法还包括：获取所述目标图像的地理位置信息，作为目标位置；根据所述目标位置，
生成绝缘子故障报警信息以供电力运维人员根据所述目标位置对所述故障绝缘子进行检修。
42.其中，目标图像的地理位置信息，用于确定目标图像中绝缘子所在地理位置的信息。地理位置信息可以是目标图像中绝缘子所在位置的经纬度数据。
43.可选的，目标图像的地理位置信息可以是在进行图像采集的过程中，由图像采集设备附加在目标图像中的。通过解析目标图像的属性信息获取到的。可选的，若图像采集设备为配置在无人飞机的摄像头，云端服务器在待匹配特征与故障特征匹配成功，将目标图像中的绝缘子标记为故障绝缘子的同时，还会利用5g通信技术将目标绝缘子为故障绝缘子的检测结果实时反馈给无人飞机，无人飞机响应于接收到目标绝缘子为故障绝缘子的检测结果，通过自带的gps定位模块自动记录目标绝缘子的地理位置，反馈到云端服务器。
44.云端服务器获取到目标图像的地理位置信息，作为目标位置；云端服务器根据目标位置，生成绝缘子故障报警信息，将绝缘子故障报警信息发送至终端设备上，以供电力运维人员根据目标位置对故障绝缘子进行检修。
45.本技术实施例所提供的技术方案，通过预先构建故障绝缘子样本数据库，将目标图像中绝缘子的特征数据与故障绝缘子样本数据库中的故障特征进行匹配，提高了绝缘子故障的检测速度，基于卷积神经网络模型构建的故障绝缘子样本数据库为绝缘子故障检测提供了准确可靠的数据参考，保证了绝缘子故障检测的准确率，本技术实施例实现了绝缘子故障检测的自动化，降低了人工成本，有效提高了电力巡检的工作效率，提高了供电服务的质量。
46.本技术所提供的技术方案，可适用于在日常电力线路巡视的情况，或者在电力故障已经发生，对故障原因进行排查的情况。在一个可选的实施例中，通过配置有高清摄像头的无人飞机，拍摄对输电线路上服役的绝缘子拍摄图像，并通过5g通信模块将拍摄的绝缘子图像实时传输给云端服务器，通过云端服务器，基于故障绝缘子样本数据库对绝缘子进行故障检测，并由云端服务器将绝缘子检测结果实时反馈给无人飞机以及用户终端。
47.本技术实施例中的故障绝缘子样本数据库，可为成千上百的无人飞机采集的绝缘子图像提供故障检测支持，本技术提供的技术方案可以快速识别出有闪络，放电痕迹的绝缘子，巡视的效率高，一般1-2秒就可以巡视完一个绝缘子，是传统靠人工巡视的一百多倍的效率，有效地提高了绝缘子故障检测效率，及时的发现故障绝缘子，实现及时消缺，减少高压线路停电的时长，提高供电的服务质量。
48.实施例二
49.图2是本技术实施例二提供的另一种绝缘子故障检测方法的流程图。本实施例在上述实施例的基础上进行进一步地优化。具体的，在操作“将所述待匹配特征与故障绝缘子样本数据库中的故障特征进行匹配”之前，追加以下操作：获取备选图像，并提取所述备选图像的特征数据，作为备选特征；将所述备选特征输入到所述卷积神经网络模型中，通过所述卷积神经网络模型，输出所述备选特征的故障类型；其中，所述卷积神经网络模型是预先训练完成的；若所述故障类型为预期类型，则将所备选特征作为所述故障特征，添加至所述故障绝缘子样本数据库；判断所述故障绝缘子样本数据库中所述故障特征的数量是否达到设定数量，若否，则继续向所述故障绝缘子样本数据库中添加故障特征，进一步扩充所述故障绝缘子样本数据库。
50.如图2所示，所述绝缘子故障检测方法包括：
51.s210、获取备选图像，并提取所述备选图像的特征数据，作为备选特征。
52.其中，备选图像是用于构建故障绝缘子样本数据库的图像，备选图像包括至少一个绝缘子主体。备选图像可以是历史的绝缘子图像。备选图像的数量为至少两个，考虑到故障样本数据库作为绝缘子故障检测的数据支撑，理论上应该涵盖影响绝缘子绝缘性能的常见故障类型，因此，在一定数量范围内，备选图像的数量越多越好。
53.云端服务器获取备选图像，并提取备选图像的特征数据，具体的，云端服务器利用预设特征提取算法，提取备选图像的特征数据，作为备选特征。
54.s220、将所述备选特征输入到所述卷积神经网络模型中，通过所述卷积神经网络模型，输出所述备选特征的故障类型；其中，所述卷积神经网络模型是预先训练完成的。
55.云端服务器将备选特征输入到卷积神经网络中，通过卷积神经网络输出备选图像的故障类型。其中，备选图像的故障类型表示的是备选图像中绝缘子的故障类型。其中，卷积神经网络是指预先训练完的，训练完的卷积神经网络是指绝缘子故障检测率达到上线使用标准的卷积神经网络，这里不对卷积神经网络的具体结构进行限制，示例性的卷积神经网络可以是yolo检测网络。
56.卷积神经网络是基于与备选特征类型一致的样本特征，以及样本特征对应的标签数据训练得到的。其中，标签数据根据样本特征对应绝缘子的故障情况确定。其中，故障类型是指由卷积神经网络输出的，备选特征对应的标签数据，故障类型与训练卷积神经网络所用的样本标签相关。示例性的，故障类型可以包括正常以及闪络、击穿、污渍或者裂痕等具体故障。
57.s230、若所述故障类型为预期类型，则将所备选特征作为所述故障特征，添加至所述故障绝缘子样本数据库。
58.其中，预期类型与实际业务需求相关，预期类型是用户预先确定的想要排查的绝缘子故障。考虑到故障绝缘子样本数据库作为绝缘子故障检测的数据支撑，理论上应该涵盖影响绝缘子绝缘性能的常见故障类型，可选的，将除了故障类型为正常的以外的其他故障类型，均作为预期类型。
59.在一个可选的实施例中，其中，所述预期类型包括：闪络、击穿、污渍和裂痕中的至少一种。其中，闪络是指绝缘子周围的气体或液体电介质被击穿时，沿固体绝缘子表面放电的现象。发生闪络以后，闪络通道中的火花或电弧使绝缘表面局部过热造成炭化在绝缘子表面留下细痕。击穿是指通过绝缘子的实际电压远超过的绝缘子的工作电压，在绝缘子中形成导电通道，绝缘子中瞬间有强电流通过。发生击穿以后，绝缘子表面会形成放电烧伤痕迹。裂痕是指绝缘子主体出现裂痕或者残缺的情况。污渍是指绝缘子主体表面存在大量污垢的现象，绝缘上存在大量污垢是发生绝缘子闪络和绝缘子击穿的重要诱因。
60.闪络、击穿、污渍和裂痕均是影响绝缘子绝缘性能的常见故障，为了保证电力稳定传输，需要在日常电力线路巡视过程中对服役绝缘子进行故障排查，并对故障绝缘子进行更换。
61.为了便于进行数据管理，提高数据管理效率，方便用户在故障绝缘子样本数据库查询数据。本技术实施例构建故障绝缘子样本数据时，采用按照绝缘子类型的分区存储的方式。在一个可选的实施例中，将所备选特征作为所述故障特征，添加至所述故障绝缘子样
本数据库，包括：根据所述备选特征，确定所述备选图像中绝缘子的类型信息；建立所述类型信息和所述备选特征之间的关联关系；将关联有类型信息的备选特征作为所述故障特征，添加至所述故障绝缘子样本数据库。
62.由于绝缘子构成材质以及功能用途之间的差异，使得不同类型的绝缘子在颜色、形态、体积以及安装位置等方面存在差异，示例性的，绝缘子有盘形绝缘子、棒型绝缘子、红色绝缘子、灰色绝缘子、玻璃绝缘子、复合绝缘子或者瓷绝缘子等多种类型。
63.云端服务器根据备选特征，确定备选图像中绝缘子的类型信息，具体的，云端服务器根据备选特征中的颜色特征和形状特征，确定备选图像中的绝缘子类型信息。云端服务器根据绝缘子类型信息，建立类型信息和备选特征之间的关联关系，将备选特征与绝缘子的类型关联起来。云端服务器将关联有类型信息的备选特征作为故障特征，添加到故障绝缘子数据库，在确定绝缘子类型的情况下，可以是查询到对应的备选特征。为了便于进行数据管理，提高数据管理效率，方便用户在故障绝缘子样本数据库查询数据。
64.s240、判断所述故障绝缘子样本数据库中所述故障特征的数量是否达到设定数量，若否，则继续向所述故障绝缘子样本数据库中添加故障特征，进一步扩充所述故障绝缘子样本数据库。
65.绝缘子样本数据库为绝缘子故障检测提供了数据支持，为了保证绝缘子故障检测的准确率，绝缘子样本数据库需要达到一定规模才能够投入使用。云端服务器在将备选特征作为故障特征，添加至绝缘子样本数据库中以后，对故障绝缘子样本数据中故障特征的数量进行统计，判断故障绝缘子样本数据库中故障特征的数量是否达到设定数量。其中，设定数量是相关技术人员根据实际业务需求确定的，设定数量的具体数量在这里不作限定。
66.若故障特征的数量没有达到设定数量，则表明故障绝缘子样本数据的规模尚未达到投入使用的条件，则云端服务器需要继续向故障绝缘子样本数据库中添加故障特征，进一步扩充所述故障绝缘子样本数据库。
67.若故障特征的数量达到设定数量，则表明故障绝缘子样本数据的规模已经达到投入使用的条件，则故障绝缘子样本数据库构建完成。值得注意的是，构建完成的故障绝缘子样本数据库并不是固定不变的，用户可以根据实际业务需求对故障绝缘子数据库进行数据更新。
68.s250、利用预设特征提取算法提取目标图像中绝缘子的特征数据，作为待匹配特征。
69.s260、将所述待匹配特征与故障绝缘子样本数据库中的故障特征进行匹配；其中，所述故障绝缘子样本数据库是基于卷积神经网络模型预先构建的。
70.可以知道的是，故障特征与待匹配特征的类型存在一一对应的关系，示例性的，在待匹配类型包括：颜色特征、纹理特征和形状特征中至少一种的情况下，故障特征同样包括：颜色特征、纹理特征和形状特征中至少一种。云端服务器将待匹配特征与故障特征进行匹配，可选的，根据特征类型，分别将故障特征与待匹配特征进行特征匹配。
71.s270、若匹配成功，将所述目标图像中的绝缘子标记为故障绝缘子。
72.本技术实施例通过预先训练完成的卷积神经网络对备选特征进行筛选，保证了故障绝缘子样本数据库中的质量，本技术实施例通过对故障绝缘子样本数据库中故障特征的数量进行统计，在故障特征数量达到设定数量的情况，在将故障绝缘子样本数据库投入使
用，保证了故障绝缘子样本数据库的规模，本技术实施例通过构建包括设定数量故障征的故障绝缘子样本数据库，为故障绝缘子检测提供了强有力的数据支持，保证了绝缘子故障检测的准确率和效率。
73.实施例三
74.图3是本技术实施例三提供的又一种绝缘子故障检测方法的流程图。本实施例在上述实施例的基础上进行进一步地优化。具体是对“将所述待匹配特征与故障绝缘子样本数据库中的故障特征进行匹配”进行了细化。
75.如图3所示，所述绝缘子故障检测方法包括：
76.s310、利用预设特征提取算法提取目标图像中绝缘子的特征数据，作为待匹配特征。
77.在一个可选的实施例中，所述待匹配特征包括：颜色特征、纹理特征和形状特征中的至少一种。
78.绝缘子在发生故障以后，在颜色、纹理和形状等方面，会发生一定的变化，示例性的，绝缘子发生闪络以后，闪络通道中的火花或电弧使绝缘表面局部过热造成炭化在绝缘子表面留下细痕；绝缘子发生击穿以后，绝缘子表面会形成放电烧伤痕迹；故障绝缘子主体可能出现裂痕或者残缺。具体的，云端服务器利用预设特征提取算法提取目标图像中绝缘子的颜色特征、纹理特征和形状特征，作为待匹配特征。
79.s320、根据所述待匹配特征中的颜色特征和形状特征，确定所述目标图像中绝缘子所属类型作为目标类型。
80.由于绝缘子构成材质以及功能用途之间的差异，使得不同类型的绝缘子在颜色、形态、体积以及安装位置等方面存在差异，示例性的，绝缘子有盘形绝缘子、棒型绝缘子、红色绝缘子、灰色绝缘子、玻璃绝缘子、复合绝缘子或者瓷绝缘子等多种类型。
81.其中，目标类型是指目标图像中绝缘子的类型。云端服务器根据待匹配特征中的颜色特征和形状特征，确定目标绝缘子所属的绝缘子类型，得到目标类型。
82.s330、在所述故障绝缘子样本数据库中，选择属于所述目标类型的故障特征作为参考特征。
83.由于故障绝缘子样本数据库中故障特征是根据绝缘子的类型信息分类存储的，根据绝缘子类型信息可以查询属于该类型绝缘子的故障特征。云端服务器将目标类型作为索引，在故障绝缘子样本数据库中选择属于目标类型的故障特征作为参考特征。其中，参考特征是用于与待匹配特征进行比对的故障特征。
84.绝缘子类型与绝缘子发生故障的类型也存在一定的关联关系，示例性，防污绝缘子的发生闪络，附着污渍的概率会远低于一般绝缘子，选择属于目标类型的故障特征作为参考特征，缩小了特征匹配范围。可以有效提高绝缘子故障的检测效率和检测准确率。
85.s340、确定所述待匹配特征与所述参考特征之间的相似度，根据所述相似度和设定阈值确定匹配是否成功。
86.云端服务器利用相似度计算算法，计算待匹配特征和参考特征之间的相似度，并将计算得到的相似度与设定阈值进行比较，确定待匹配特征与参考特征是否匹配。其中，设定阈值是相关技术人员根据实际业务需求确定的，设定阈值与实际业务需求要求的绝缘子故障检测精度相关。设定阈值在这里不作限定，具体依据实际情况确定。
87.s350、若匹配成功，将所述目标图像中的绝缘子标记为故障绝缘子。
88.本技术实施例所提供的技术方案，通过将待匹配特征与故障绝缘子样本数据库中的故障特征进行匹配，根据颜色特征和形状特征，确定目标图像中绝缘子所属类型作为目标类型；在故障绝缘子样本数据库中，选择属于目标类型的故障特征作为参考特征；确定待匹配特征与参考特征之间的相似度，根据相似度和设定阈值确定匹配是否成功，若匹配成功，将所述目标图像中的绝缘子标记为故障绝缘子。本技术实施例提供的技术方案，通过选择属于目标类型的故障特征作为参考特征，与待匹配特征进行匹配，考虑了绝缘子类型与绝缘子易发生的故障类型的关联，缩小了特征匹配范围，提高了绝缘子故障检测效率和准确率。
89.实施例四
90.图4是本技术实施例四提供的一种绝缘子故障检测装置，本实施例可适用对发动机的排气系统进行优化的情况。所述装置可由软件和/或硬件实现，并可集成于智能终端等电子设备中。
91.如图4所示，该装置可以包括：待匹配特征提取模块410、特征匹配模块420和故障绝缘子标记模块430
92.待匹配特征提取模块410，用于利用预设特征提取算法提取目标图像中绝缘子的特征数据，作为待匹配特征；
93.特征匹配模块420，用于将所述待匹配特征与故障绝缘子样本数据库中的故障特征进行匹配；其中，所述故障绝缘子样本数据库是基于卷积神经网络模型预先构建的；
94.故障绝缘子标记模块430，用于若匹配成功，将所述目标图像中的绝缘子标记为故障绝缘子。
95.本技术实施例所提供的技术方案，通过预先构建故障绝缘子样本数据库，将目标图像中绝缘子的特征数据与故障绝缘子样本数据库中的故障特征进行匹配，提高了绝缘子故障的检测速度，基于卷积神经网络模型构建的故障绝缘子样本数据库为绝缘子故障检测提供了准确可靠的数据参考，保证了绝缘子故障检测的准确率，本技术实施例实现了绝缘子故障检测的自动化，降低了人工成本，有效提高了电力巡检的工作效率，提高了供电服务的质量。
96.可选的，所述装置还包括：备选特征提取模块，用于在将所述待匹配特征与故障绝缘子样本数据库中的故障特征进行匹配之前，获取备选图像，并提取所述备选图像的特征数据，作为备选特征；
97.故障类型确定模块，用于将所述备选特征输入到所述卷积神经网络模型中，通过所述卷积神经网络模型，输出所述备选特征的故障类型；其中，所述卷积神经网络模型是预先训练完成的；
98.故障特征添加模块，用于若所述故障类型为预期类型，则将所备选特征作为所述故障特征，添加至所述故障绝缘子样本数据库；
99.故障特征数量判断模块，用于判断所述故障绝缘子样本数据库中所述故障特征的数量是否达到设定数量，若否，则继续向所述故障绝缘子样本数据库中添加故障特征，进一步扩充所述故障绝缘子样本数据库。
100.可选的，故障特征添加模块，包括：绝缘子类型确定子模块，用于根据所述备选特
征，确定所述备选图像中绝缘子的类型信息；关联关系建立子模块，用于建立所述类型信息和所述备选特征之间的关联关系；故障特征添加子模块，用于将关联有类型信息的备选特征作为所述故障特征，添加至所述故障绝缘子样本数据库。
101.可选的，特征匹配模块420，包括：目标类型确定子模块，用于根据所述待匹配特征中的颜色特征和形状特征，确定所述目标图像中绝缘子所属类型作为目标类型；参考特征确定子模块，用于在所述故障绝缘子样本数据库中，选择属于所述目标类型的故障特征作为参考特征；相似度确定子模块，用于确定所述待匹配特征与所述参考特征之间的相似度，根据所述相似度和设定阈值确定匹配是否成功。
102.可选的，所述装置还包括：目标位置确定模块，用于在将所述目标图像中的绝缘子标记为故障绝缘子以后，获取所述目标图像的地理位置信息，作为目标位置；绝缘子故障报警信息生成模块，用于根据所述目标位置，生成绝缘子故障报警信息以供电力运维人员根据所述目标位置对所述故障绝缘子进行检修。
103.可选的，其中，所述预期类型包括：闪络、击穿、污渍和裂痕中的至少一种。
104.可选的，其中，所述目标图像是通过配置在无人飞机的摄像头采集的。
105.本发明实施例所提供的一种绝缘子故障检测装置可执行本发明任意实施例所提供的一种绝缘子故障检测方法，具备执行一种绝缘子故障检测方法相应的性能模块和有益效果。
106.实施例五
107.本技术实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种绝缘子故障检测方法，该方法包括：
108.利用预设特征提取算法提取目标图像中绝缘子的特征数据，作为待匹配特征；
109.将所述待匹配特征与故障绝缘子样本数据库中的故障特征进行匹配；其中，所述故障绝缘子样本数据库是基于卷积神经网络模型预先构建的；
110.若匹配成功，将所述目标图像中的绝缘子标记为故障绝缘子。
111.存储介质是指任何的各种类型的存储器电子设备或存储电子设备。术语“存储介质”旨在包括：安装介质，例如cd-rom、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如dram、ddr ram、sram、edo ram，兰巴斯(rambus)ram等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同未知中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
112.当然，本技术实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的发动机排气系统优化绝缘子故障检测操作，还可以执行本技术任意实施例所提供的绝缘子故障检测方法中的相关操作。
113.实施例六
114.本技术实施例六提供了一种电子设备，该电子设备中可集成本技术实施例提供的
绝缘子故障检测装置，该电子设备可以是配置于系统内的，也可以是执行系统内的部分或者全部性能的设备。图5是本技术实施例六提供的一种电子设备的结构示意图。如图5所示，本实施例提供了一种电子设备500，其包括：一个或多个处理器520；存储装置510，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器520执行，使得所述一个或多个处理器520实现本技术实施例所提供的绝缘子故障检测方法，该方法包括：
115.利用预设特征提取算法提取目标图像中绝缘子的特征数据，作为待匹配特征；
116.将所述待匹配特征与故障绝缘子样本数据库中的故障特征进行匹配；其中，所述故障绝缘子样本数据库是基于卷积神经网络模型预先构建的；
117.若匹配成功，将所述目标图像中的绝缘子标记为故障绝缘子。
118.当然，本领域技术人员可以理解，处理器520还实现本技术任意实施例所提供的绝缘子故障检测方法的技术方案。
119.图5显示的电子设备500仅仅是一个示例，不应对本技术实施例的性能和使用范围带来任何限制。
120.如图5所示，该电子设备500包括处理器520、存储装置510、输入装置530和输出装置540；电子设备中处理器520的数量可以是一个或多个，图5中以一个处理器520为例；电子设备中的处理器520、存储装置510、输入装置530和输出装置540可以通过总线或其他方式连接，图5中以通过总线550连接为例。
121.存储装置510作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块单元，如本技术实施例中的绝缘子故障检测方法对应的程序指令。
122.存储装置510可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个性能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置510可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置510可进一步包括相对于处理器520远程设置的存储器，这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
123.输入装置530可用于接收输入的数字、字符信息或语音信息，以及产生与电子设备的用户设置以及性能控制有关的键信号输入。输出装置540可包括显示屏、扬声器等电子设备。
124.上述实施例中提供的绝缘子故障检测装置、介质及电子设备可执行本技术任意实施例所提供的绝缘子故障检测方法，具备执行该方法相应的性能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本技术任意实施例所提供的绝缘子故障检测方法。
125.注意，上述仅为本技术的较佳实施例及所运用技术原理。本领域技术人员会理解，本技术不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本技术的保护范围。因此，虽然通过以上实施例对本技术进行了较为详细的说明，但是本技术不仅仅限于以上实施例，在不脱离本技术构思的情况下，还可以包括更多其他等效实施例，而本技术的范围由所附的权利要求范围决定。