一种输电线路缺陷检测方法及装置与流程

1.本发明涉及输电线路监测与运维防护技术领域，具体涉及一种输电线路缺陷检测方法及装置。


背景技术：

2.输电线路保有量大，分布范围广，通常处在丘陵、高山和不良地质区等人迹稀少地区，运行条件极为恶劣。长时间受风力、覆冰、温度等外部环境因素影响，输电线路可能产生缺陷或损伤，此类隐患虽短时间内不会对设备造成影响，但如果不能及时发现和处理，不仅会使设备的损耗增大、效率变低，严重时更会造成导线断裂、变电设备损毁、配电网停运等重大事故，直接威胁到公众的生命财产安全。因此，对输电线路开展定期巡检甚至不间断监测，发现隐患、故障并及时处理，对于社会生活、生产安全都至关重要。
3.传统输电线路巡检的方法依靠人类视觉发现设备异常，利用杆塔上部署的摄像头或无人机拍摄导线的图片视频，随后由后台人员进行人工识别。这种方式严重依赖后台人员的运行经验，且人力消耗巨大，效率很低。而且目前图像存取皆由巡视人员手工操作，以无人机为例，拍摄的图像先存放在无人机本地，返回办公室后再人工导入至服务器上，时效性较低，缺乏缺陷自动检测技术。


技术实现要素：

4.为了克服上述缺陷，本发明提出了一种输电线路缺陷检测方法及装置。
5.第一方面，提供一种输电线路缺陷检测方法，所述输电线路缺陷检测方法包括：
6.获取输电线路的图像，并对所述输电线路的图像进行预处理；
7.基于预处理后的输电线路的图像和预先构建的输电线路缺陷检测模型对输电线路进行状态识别；
8.其中，所述预先构建的输电线路缺陷检测模型由具有人工批注导线状态的预处理后的输电线路的图像训练获取。
9.优选的，所述获取输电线路的图像，包括：通过无人机或直升机对输电线路进行航拍，或者输电线路上布设的监拍摄像头对输电线路进行图像采集，得到输电线路的图像。
10.优选的，所述导线状态包括下述中的至少一种：无导线、正常导线、断股、散股、异物附着。
11.优选的，所述预处理包括下述中的至少一种：高斯滤波、直方图均衡。
12.优选的，所述基于预处理后的输电线路的图像和预先构建的输电线路缺陷检测模型对输电线路进行状态识别，包括：
13.将预处理后的输电线路的图像切片为预设尺寸；
14.将预设尺寸的输电线路的图像输入至预先构建的输电线路缺陷检测模型，获取预先构建的输电线路缺陷检测模型输出的输电线路的导线状态。
15.优选的，所述预先构建的输电线路缺陷检测模型的获取过程包括：
16.将预先采集的输电线路的图像切片为预设尺寸；
17.人工语义标注预设尺寸的输电线路的图像的导线状态；
18.对预设尺寸的输电线路的图像进行图像增强；
19.将增强后的预设尺寸的输电线路的图像划分为训练数据、验证数据和测试数据；
20.利用所述训练数据、验证数据和测试数据对初始神经网络模型进行训练，并将训练完成的初始神经网络模型作为所述预先构建的输电线路缺陷检测模型。
21.进一步的，所述预设尺寸为224
×
224。
22.进一步的，所述图像增强包括下述中的至少一种：平移、旋转、尺度缩放、高斯模糊、亮度修正、裁剪。
23.进一步的，所述初始神经网络模型的训练过程中，学习率为0.000001，动量系数为0.9，批量大小为32，迭代次数为100000，epoch数为200。
24.第二方面，提供一种输电线路缺陷检测装置，所述输电线路缺陷检测装置包括：
25.获取模块，用于获取输电线路的图像，并对所述输电线路的图像进行预处理；
26.识别模块，用于基于预处理后的输电线路的图像和预先构建的输电线路缺陷检测模型对输电线路进行状态识别；
27.其中，所述预先构建的输电线路缺陷检测模型由具有人工批注导线状态的预处理后的输电线路的图像训练获取。
28.第三方面，提供一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行所述的输电线路缺陷检测方法。
29.第四方面，提供一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述的输电线路缺陷检测方法。
30.本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
31.本发明提供了一种输电线路缺陷检测方法及装置，包括：获取输电线路的图像，并对所述输电线路的图像进行预处理；基于预处理后的输电线路的图像和预先构建的输电线路缺陷检测模型对输电线路进行状态识别；其中，所述预先构建的输电线路缺陷检测模型由具有人工批注导线状态的预处理后的输电线路的图像训练获取。本发明提供的技术方案可以实现线路缺陷的自动分类识别，可对线路状态进行24小时实时监测，提高线路的运维智能水平。
附图说明
32.图1是本发明实施例的输电线路缺陷检测方法的主要步骤流程示意图；
33.图2是本发明实施例的初始神经网络模型训练过程中模型的损失函数曲线图；
34.图3是本发明实施例的输电线路缺陷检测装置的主要结构框图。
具体实施方式
35.下面结合附图对本发明的具体实施方式作进一步的详细说明。
36.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员
在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
37.参阅附图1，图1是本发明的一个实施例的输电线路缺陷检测方法的主要步骤流程示意图。如图1所示，本发明实施例中的输电线路缺陷检测方法主要包括以下步骤：
38.步骤s101：获取输电线路的图像，并对所述输电线路的图像进行预处理；
39.步骤s102：基于预处理后的输电线路的图像和预先构建的输电线路缺陷检测模型对输电线路进行状态识别；
40.其中，所述预先构建的输电线路缺陷检测模型由具有人工批注导线状态的预处理后的输电线路的图像训练获取。
41.本实施例中，可以通过无人机或直升机对输电线路进行航拍，或者输电线路上布设的监拍摄像头对输电线路进行图像采集，得到输电线路的图像。
42.其中，所述导线状态包括下述中的至少一种：无导线、正常导线、断股、散股、异物附着。所述预处理包括下述中的至少一种：高斯滤波、直方图均衡。
43.具体的，所述基于预处理后的输电线路的图像和预先构建的输电线路缺陷检测模型对输电线路进行状态识别，包括：
44.将预处理后的输电线路的图像切片为预设尺寸；
45.将预设尺寸的输电线路的图像输入至预先构建的输电线路缺陷检测模型，获取预先构建的输电线路缺陷检测模型输出的输电线路的导线状态。
46.优选的，所述预先构建的输电线路缺陷检测模型的获取过程包括：
47.将预先采集的输电线路的图像切片为预设尺寸；
48.人工语义标注预设尺寸的输电线路的图像的导线状态；
49.对预设尺寸的输电线路的图像进行图像增强；
50.将增强后的预设尺寸的输电线路的图像划分为训练数据、验证数据和测试数据；
51.利用所述训练数据、验证数据和测试数据对初始神经网络模型进行训练，并将训练完成的初始神经网络模型作为所述预先构建的输电线路缺陷检测模型。
52.其中，所述预设尺寸为224
×
224。
53.在一个实施方式中，为扩大数据集规模，采用平移、旋转、尺度缩放、高斯模糊、亮度修正、裁剪等操作来进行样本增广，例如对每一张图片都使用了左右翻转和上下翻转，随后通过对图像的随机裁剪来让物体以不同的比例出现在图像的不同位置，这能够降低模型对目标位置的敏感性。还可进行亮度处理，将原图亮度修正为原亮度的50％-150％之间，增加故障样本量；
54.在一个实施方式中，所述初始神经网络模型的训练过程中，学习率为0.000001，动量系数为0.9，批量大小为32，迭代次数为100000，epoch数为200，训练过程中模型的损失函数曲线如图2所示，可看到模型损失值处于0.1以下。
55.基于同一发明构思，本发明提供一种输电线路缺陷检测装置，如图3所示，所述输电线路缺陷检测装置包括：
56.获取模块，用于获取输电线路的图像，并对所述输电线路的图像进行预处理；
57.识别模块，用于基于预处理后的输电线路的图像和预先构建的输电线路缺陷检测模型对输电线路进行状态识别；
58.其中，所述预先构建的输电线路缺陷检测模型由具有人工批注导线状态的预处理
后的输电线路的图像训练获取。
59.优选的，所述获取输电线路的图像，包括：通过无人机或直升机对输电线路进行航拍，或者输电线路上布设的监拍摄像头对输电线路进行图像采集，得到输电线路的图像。
60.优选的，所述导线状态包括下述中的至少一种：无导线、正常导线、断股、散股、异物附着。
61.优选的，所述预处理包括下述中的至少一种：高斯滤波、直方图均衡。
62.优选的，所述基于预处理后的输电线路的图像和预先构建的输电线路缺陷检测模型对输电线路进行状态识别，包括：
63.将预处理后的输电线路的图像切片为预设尺寸；
64.将预设尺寸的输电线路的图像输入至预先构建的输电线路缺陷检测模型，获取预先构建的输电线路缺陷检测模型输出的输电线路的导线状态。
65.优选的，所述预先构建的输电线路缺陷检测模型的获取过程包括：
66.将预先采集的输电线路的图像切片为预设尺寸；
67.人工语义标注预设尺寸的输电线路的图像的导线状态；
68.对预设尺寸的输电线路的图像进行图像增强；
69.将增强后的预设尺寸的输电线路的图像划分为训练数据、验证数据和测试数据；
70.利用所述训练数据、验证数据和测试数据对初始神经网络模型进行训练，并将训练完成的初始神经网络模型作为所述预先构建的输电线路缺陷检测模型。
71.进一步的，所述预设尺寸为224
×
224。
72.进一步的，所述图像增强包括下述中的至少一种：平移、旋转、尺度缩放、高斯模糊、亮度修正、裁剪。
73.进一步的，所述初始神经网络模型的训练过程中，学习率为0.000001，动量系数为0.9，批量大小为32，迭代次数为100000，epoch数为200。
74.进一步的，本发明提供一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行所述的输电线路缺陷检测方法。
75.进一步的，本发明提供一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述的输电线路缺陷检测方法。
76.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
77.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
78.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特
定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
79.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
80.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。