本發(fā)明涉及無(wú)人機(jī)輸電路線帶電巡檢，具體涉及一種架空線路瓷絕緣子三聯(lián)串圖像分割方法。

背景技術(shù)：

1、絕緣子是電力系統(tǒng)中重要的基礎(chǔ)絕緣部件，起著電氣絕緣和機(jī)械支撐的作用，其絕緣性能直接影響電網(wǎng)的正常運(yùn)行。隨著運(yùn)行時(shí)間增加，受環(huán)境因素和機(jī)電負(fù)荷綜合影響，其絕緣性能和機(jī)械性能均會(huì)逐漸下降，進(jìn)而導(dǎo)致絕緣子老化與劣化，甚至出現(xiàn)炸裂、掉串而造成大面積停電的嚴(yán)重事故，威脅電網(wǎng)安全穩(wěn)定運(yùn)行。

2、傳統(tǒng)的絕緣子檢測(cè)方法為人工登塔檢測(cè)，檢測(cè)效率低，工作強(qiáng)度高，危險(xiǎn)系數(shù)較高，紅外熱像檢測(cè)法是目前最為有效的替代方法。對(duì)紅外圖像中絕緣子區(qū)域進(jìn)行自動(dòng)定位、識(shí)別和分割，是完成智能檢測(cè)絕緣子劣化狀態(tài)的關(guān)鍵。而在實(shí)際應(yīng)用中，由于架空線路瓷絕緣子三聯(lián)串紅外圖像對(duì)比度差，通道特征單一，且存在背景復(fù)雜，圖像重疊，目前沒(méi)有較為有效的方法來(lái)分割架空線路三聯(lián)串絕緣子紅外圖像。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種架空線路瓷絕緣子三聯(lián)串圖像分割方法，以解決背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種架空線路瓷絕緣子三聯(lián)串圖像分割方法，包括以下步驟：

3、s1、利用無(wú)人機(jī)紅外攝像頭對(duì)目標(biāo)絕緣子多個(gè)角度進(jìn)行拍攝，獲得目標(biāo)絕緣子多個(gè)角度的紅外圖像；對(duì)目標(biāo)絕緣子的多張紅外圖像進(jìn)行預(yù)處理，得到目標(biāo)絕緣子圖像數(shù)據(jù)集；

4、s2、基于輕量級(jí)神經(jīng)mobilenet網(wǎng)絡(luò)，改進(jìn)clear網(wǎng)絡(luò)模型，得到輕量化mn-clear網(wǎng)絡(luò)模型；其中，將無(wú)遮擋絕緣子串的紅外圖像稱為優(yōu)秀值，并將優(yōu)秀值保存為矯正閾值；

5、s3、將所述步驟s1中得到的目標(biāo)絕緣子圖像數(shù)據(jù)集送入輕量化mn-clear網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，將無(wú)遮擋的紅外圖像稱為優(yōu)秀值，且將優(yōu)秀值設(shè)置為參考值并保存(權(quán)值，后稱為矯正閾值)矯正閾值；

6、s4、利用所述步驟s3中訓(xùn)練得到的優(yōu)秀值對(duì)目標(biāo)絕緣子多個(gè)角度的紅外圖像進(jìn)行矯正；

7、s5、對(duì)所述步驟s4得到的矯正結(jié)果進(jìn)行圖像分割，得到分割圖像分割結(jié)果。

8、進(jìn)一步的，步驟s1中對(duì)目標(biāo)絕緣子的多張紅外圖像進(jìn)行預(yù)處理具體為：

9、s1.1、通過(guò)人工篩選出背景簡(jiǎn)單、無(wú)遮擋的紅外圖像；

10、s1.2、人工智能識(shí)別絕緣串，通過(guò)多組紅外圖像識(shí)別出瓷絕緣子三聯(lián)串的具體朝向；無(wú)人機(jī)拍攝時(shí)，自帶的陀螺儀可以分別拍攝方位及其水平角度，通過(guò)此進(jìn)行分辨。

11、s1.3、對(duì)紅外圖像進(jìn)行命名或標(biāo)號(hào)，以便后續(xù)分類。

12、進(jìn)一步的，步驟s2中，輕量化mn-clear網(wǎng)絡(luò)模型的結(jié)構(gòu)包括用于接收?qǐng)D像數(shù)據(jù)的輸入層、采用卷積操作和池化操作提取圖像特征的卷積層、將卷積層提取的特征映射為最終輸出的全連接層，以及對(duì)全連接層的輸出進(jìn)行回歸的clear層。

13、進(jìn)一步的，步驟s3中，所述輕量化mn-clear網(wǎng)絡(luò)模型的訓(xùn)練過(guò)程如下：使用mobilenet網(wǎng)絡(luò)提取目標(biāo)絕緣子圖像數(shù)據(jù)集中的圖像特征；將提取出來(lái)的圖像特征作為輸入，訓(xùn)練一個(gè)clear回歸模型；使用訓(xùn)練好的clear回歸模型對(duì)新的圖像數(shù)據(jù)進(jìn)行回歸預(yù)測(cè)。

14、進(jìn)一步的，步驟s3中，所述輕量化mn-clear網(wǎng)絡(luò)模型通過(guò)卷積操作和池化操作來(lái)提取目標(biāo)絕緣子圖像數(shù)據(jù)集的圖像特征，并使用全連接層進(jìn)行分類或回歸。

15、進(jìn)一步的，步驟s3中，所述輕量化mn-clear網(wǎng)絡(luò)模型通過(guò)如下卷積公式不斷優(yōu)化算法：

16、picture＝r+g+b????????????????????????(1)；

17、pur＝α×picture????????????????????????(2)；

18、yellow＝β×picture???????????????????????(3)；

19、new＝pur+yellow????????????????????????(4)；

20、new＝(α+β)(r+g+b)????????????????????(5)；

21、上式(1)-(5)中，α、β代表矯正閾值系數(shù)，其為0～1之間的一個(gè)數(shù)值。

22、相比于現(xiàn)有技術(shù)，本發(fā)明具有以下有益效果：

23、本發(fā)明的一種架空線路瓷絕緣子三聯(lián)串圖像分割方法針對(duì)高壓輸電線路中存在的三聯(lián)串作出了專門的圖像分析方法，通過(guò)對(duì)目標(biāo)絕緣子多個(gè)角度進(jìn)行拍攝，獲取某個(gè)方位遮擋最少、背景最干凈、拍攝最清晰的優(yōu)秀值，以該優(yōu)秀值為基準(zhǔn)，設(shè)置為校準(zhǔn)基數(shù)，將同一方位拍攝的其他圖片進(jìn)行校準(zhǔn)并進(jìn)行分割。本發(fā)明的圖像分割方法，能夠?qū)芸站€路三聯(lián)串絕緣子紅外圖像進(jìn)行精確分割，提高了檢測(cè)效率低、降低了工作強(qiáng)度。

24、除了上面所描述的目的、特征和優(yōu)點(diǎn)之外，本發(fā)明還有其它的目的、特征和優(yōu)點(diǎn)。下面將參照附圖，對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。

技術(shù)特征：

1.一種架空線路瓷絕緣子三聯(lián)串圖像分割方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的架空線路瓷絕緣子三聯(lián)串圖像分割方法，其特征在于，步驟s1中對(duì)目標(biāo)絕緣子的多張紅外圖像進(jìn)行預(yù)處理具體為：

3.根據(jù)權(quán)利要求1所述的架空線路瓷絕緣子三聯(lián)串圖像分割方法，其特征在于，步驟s2中，輕量化mn-clear網(wǎng)絡(luò)模型的結(jié)構(gòu)包括用于接收?qǐng)D像數(shù)據(jù)的輸入層、采用卷積操作和池化操作提取圖像特征的卷積層、將卷積層提取的特征映射為最終輸出的全連接層，以及對(duì)全連接層的輸出進(jìn)行回歸的clear層。

4.根據(jù)權(quán)利要求3所述的架空線路瓷絕緣子三聯(lián)串圖像分割方法，其特征在于，步驟s3中，所述輕量化mn-clear網(wǎng)絡(luò)模型的訓(xùn)練過(guò)程如下：使用輕量級(jí)神經(jīng)mobilenet網(wǎng)絡(luò)提取目標(biāo)絕緣子圖像數(shù)據(jù)集中的圖像特征；將提取出來(lái)的圖像特征作為輸入，訓(xùn)練一個(gè)clear回歸模型；使用訓(xùn)練好的clear回歸模型對(duì)新的圖像數(shù)據(jù)進(jìn)行回歸預(yù)測(cè)。

5.根據(jù)權(quán)利要求3所述的架空線路瓷絕緣子三聯(lián)串圖像分割方法，其特征在于，步驟s3中，所述輕量化mn-clear網(wǎng)絡(luò)模型通過(guò)卷積操作和池化操作提取目標(biāo)絕緣子圖像數(shù)據(jù)集的圖像特征，并使用全連接層進(jìn)行分類或回歸。

6.根據(jù)權(quán)利要求3所述的架空線路瓷絕緣子三聯(lián)串圖像分割方法，其特征在于，步驟s3中，所述輕量化mn-clear網(wǎng)絡(luò)模型通過(guò)如下卷積公式不斷優(yōu)化算法：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種架空線路瓷絕緣子三聯(lián)串圖像分割方法，包括以下步驟：S1、利用無(wú)人機(jī)紅外攝像頭對(duì)目標(biāo)絕緣子多個(gè)角度進(jìn)行拍攝，獲得目標(biāo)絕緣子多個(gè)角度的紅外圖像；對(duì)目標(biāo)絕緣子的多張紅外圖像進(jìn)行預(yù)處理，得到目標(biāo)絕緣子圖像數(shù)據(jù)集；S2、基于輕量級(jí)神經(jīng)MobileNet網(wǎng)絡(luò)，改進(jìn)Clear網(wǎng)絡(luò)模型，得到輕量化MN?Clear網(wǎng)絡(luò)模型；S3、將步驟S1中得到的目標(biāo)絕緣子圖像數(shù)據(jù)集送入MN?Clear網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將無(wú)遮擋的紅外圖像稱為優(yōu)秀值，設(shè)置為參考值并保存作為矯正閾值；S4、利用訓(xùn)練得到的優(yōu)秀值對(duì)目標(biāo)絕緣子多個(gè)角度的紅外圖像進(jìn)行矯正；S5、對(duì)矯正結(jié)果進(jìn)行圖像分割，得到分割圖像分割結(jié)果。本發(fā)明方法能夠?qū)芸站€路三聯(lián)串絕緣子紅外圖像進(jìn)行精確分割。

技術(shù)研發(fā)人員：劉寶龍,王闖,祝世登,馮強(qiáng)強(qiáng),樊長(zhǎng)海,趙曉龍,黎劭德,潘泰崗,黃達(dá)琪,譚海光,李守信,盧銀煒,李廷,曾偉超,陸國(guó)星,樊干戈,覃黃輝,梁鑫飛,賴羅琿,趙偉東,韋海效
受保護(hù)的技術(shù)使用者：中國(guó)南方電網(wǎng)有限責(zé)任公司超高壓輸電公司南寧局
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19