本發(fā)明屬于遙感影像技術(shù)領(lǐng)域，涉及一種機(jī)巡檢航拍圖像檢測(cè)方法。

背景技術(shù)：

電力系統(tǒng)是由發(fā)電廠、輸電網(wǎng)、配電網(wǎng)和電力用戶組成的整體，是將一次能源轉(zhuǎn)換成電能并輸送和分配到用戶的一個(gè)統(tǒng)一系統(tǒng)。輸電網(wǎng)和配電網(wǎng)統(tǒng)稱為電網(wǎng)，是電力系統(tǒng)的重要組成部分。發(fā)電廠將一次能源轉(zhuǎn)換成電能，經(jīng)過電網(wǎng)將電能輸送和分配到電力用戶的用電設(shè)備，從而完成電能從生產(chǎn)到使用的整個(gè)過程。無論是對(duì)國防安全還是我們的日常生活有著非常重要的意義，所以對(duì)輸電線路的巡視是一項(xiàng)十分重要的工作。

輸電線路巡視的目的是為了能夠及時(shí)發(fā)現(xiàn)輸電線路的缺陷和排除安全隱患。我國電網(wǎng)的規(guī)模非常大，發(fā)展的速度也很快。人工巡檢作業(yè)依然是傳統(tǒng)的巡視模式，但是，由于有一大部分的輸電線路在深山老林中，導(dǎo)致該方式勞動(dòng)強(qiáng)度大、巡視難度大、代價(jià)高、危險(xiǎn)性高，而且巡視結(jié)果受到巡視人員技能以及天氣、地形、光照等自然條件的影響較大。

直升機(jī)作為一種巡視工具從20世紀(jì)50年代開始應(yīng)用于歐美國家，21世紀(jì)后在國內(nèi)也開始逐漸開展，后來又添加了無人機(jī)巡視，做到三位一體，協(xié)同巡檢。有效地降低了工作人員的工作強(qiáng)度，提高了巡檢質(zhì)量、效率和效益。

在巡視結(jié)束后，調(diào)用巡線過程中的圖片，對(duì)線路上的缺陷進(jìn)行進(jìn)一步的分析和確認(rèn)。

[1]趙振兵，王樂.一種航拍絕緣子串圖像自動(dòng)定位方法[J].儀器儀表學(xué)報(bào)，2014,35(3):558-565.

[2]姚春羽，金立軍，閆書佳.電網(wǎng)巡檢圖像中絕緣子的識(shí)別[J].系統(tǒng)仿真學(xué)報(bào)，2012,24(9):1818-1822.

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種速度快準(zhǔn)確率高的基于航拍圖像的識(shí)別輸電線路中絕緣子缺失的方法。技術(shù)方案如下：

一種基于航拍圖像的識(shí)別輸電線路中絕緣子缺失的方法，包括下列步驟：

1)制作數(shù)據(jù)集：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(duì)其進(jìn)行標(biāo)注，同時(shí)使用圖像增強(qiáng)技術(shù)，構(gòu)建符合格式要求，匹配網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)集；

2)訓(xùn)練識(shí)別模型：從數(shù)據(jù)集里采用AlexNet網(wǎng)絡(luò)，使用第一步得到的數(shù)據(jù)集里的不同數(shù)據(jù)，經(jīng)過訓(xùn)練得到基于深度卷積神經(jīng)網(wǎng)絡(luò)的兩個(gè)分類器，能夠?qū)⒑腥笔Ы^緣子的圖像篩選出來，將其中一個(gè)分類器作為檢測(cè)器，并將分類器與檢測(cè)器級(jí)聯(lián)，組成絕緣子識(shí)別系統(tǒng)；

3)識(shí)別：首先用分類器對(duì)需要識(shí)別是否存在缺失絕緣子的圖像進(jìn)行分類，得到識(shí)別出缺失絕緣子的圖像和正常絕緣子的圖像，分別放在文件夾Absence和文件夾Temp中；再將Temp中的全部圖像使用檢測(cè)器進(jìn)行檢測(cè)，檢測(cè)到有絕緣子缺失的放入到Absence中，其余的放入Normal中，最終，Normal中剩下的全部圖像為本系統(tǒng)識(shí)別出的正常圖像，而Absence中的圖像為可能存在缺失絕緣子的圖像。

測(cè)試集共有175張圖片，其中正常的圖片有149張，絕緣子缺失的圖片有26張。本發(fā)明采用以上技術(shù)方案，26張絕緣子缺失的圖片全部檢出，挑出106張正常的，沒有挑錯(cuò)的；絕緣子缺失的圖片全部在剩下的69張里面，結(jié)果如圖3所示。其中：

漏檢率：0％

錯(cuò)誤檢出率：100％

工作量減少率：60.6％

正錯(cuò)率；24.6％

附圖說明

圖1網(wǎng)絡(luò)1結(jié)構(gòu)圖

圖2 txt文檔格式

圖3最終結(jié)果圖

具體實(shí)施方式

為使本發(fā)明的技術(shù)方案更加清楚，下面結(jié)合附圖對(duì)本發(fā)明具體實(shí)施方式做進(jìn)一步地描述。

1.將巡線后得到的包含絕緣子的圖片收集起來，按照是否有缺失絕緣子來分類，并按照一定的比例分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。圖片應(yīng)作預(yù)處理，訓(xùn)練集和驗(yàn)證集的圖片處理為256*256的，測(cè)試集的圖片處理為256*256和600*400這兩種尺寸的，分別用于分類器和檢測(cè)器。

2.生成三個(gè)txt文檔，分別是訓(xùn)練集、驗(yàn)證集和測(cè)試集所有要識(shí)別圖片的列表，并在后面加上標(biāo)簽，如圖2所示。這里擬定有缺失絕緣子的圖像為0，正常絕緣子的圖片為1。

3.訓(xùn)練神經(jīng)網(wǎng)絡(luò)AlexNet作為分類器，首先設(shè)置初始的訓(xùn)練參數(shù)，其中包括卷積神經(jīng)網(wǎng)絡(luò)的層數(shù)，卷積核的大小，使用隨機(jī)初始化網(wǎng)絡(luò)權(quán)重還是使用預(yù)訓(xùn)練的模型，激活函數(shù)的類型，輸出類型，全連接層以及梯度下降的學(xué)習(xí)率的設(shè)定。這里我們使用5層卷積層、3層全連接層的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并加入Dropout技術(shù)防止過擬合。

4.具體操作時(shí)，先將數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的格式，簡(jiǎn)化數(shù)據(jù)讀取層，之后對(duì)所有訓(xùn)練樣本計(jì)算平均值，計(jì)算出來后保存為一個(gè)均值文件，再輸入到神經(jīng)網(wǎng)絡(luò)中。神經(jīng)網(wǎng)絡(luò)AlexNet結(jié)構(gòu)圖如圖1所示。

5.將分類器與檢測(cè)器級(jí)聯(lián)，將分類器的輸出作為檢測(cè)器的輸入，組合為最終的識(shí)別模型。分類器和檢測(cè)器對(duì)輸入尺寸的要求不同，進(jìn)入分類器的圖片尺寸為256*256，進(jìn)入檢測(cè)器的圖片尺寸為600*400。

6.用分類器對(duì)測(cè)試集的圖片進(jìn)行分類，根據(jù)網(wǎng)絡(luò)判斷的概率，將正常絕緣子的圖片和缺失絕緣子的圖片分開，將有缺失絕緣子的圖片放在文件夾Absence中，其余圖片放在Temp中。

7.用檢測(cè)器對(duì)Temp的圖片進(jìn)行檢測(cè)，得到絕緣子目標(biāo)的候選框。調(diào)整候選框的閾值，對(duì)候選框進(jìn)行非極大值抑制，得到最終的候選框。被檢測(cè)到有絕緣子缺失的圖片會(huì)被放入到Absence中，其余圖片則放入到Normal中，這一部分是沒有問題的，也就是減輕的工作量。

8.對(duì)數(shù)據(jù)進(jìn)行分析，評(píng)價(jià)本系統(tǒng)的識(shí)別度。統(tǒng)計(jì)漏檢率，錯(cuò)誤檢出率，工作量減少率，正錯(cuò)率。最終結(jié)果如圖3所示，參數(shù)如表1所示。

表1參數(shù)及其含義

漏檢率：

錯(cuò)誤檢出率：

工作量減少率：

正錯(cuò)率：