一種基于航拍圖像的識(shí)別輸電線(xiàn)路中絕緣子缺失的方法技術(shù)

本發(fā)明專(zhuān)利技術(shù)涉及一種基于航拍圖像的識(shí)別輸電線(xiàn)路中絕緣子缺失的方法，包括：制作數(shù)據(jù)集；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(guò)訓(xùn)練得到基于深度卷積神經(jīng)網(wǎng)絡(luò)的兩個(gè)分類(lèi)器，能夠?qū)⒑腥笔Ы^緣子的圖像篩選出來(lái)，將其中一個(gè)分類(lèi)器作為檢測(cè)器，并將分類(lèi)器與檢測(cè)器級(jí)聯(lián)，組成絕緣子識(shí)別系統(tǒng)；識(shí)別。

Method for identifying insulator missing in transmission line based on aerial image

The invention relates to a method for identification of transmission line insulator, lack of aerial images based on the production data set includes: training; identification model: from the data set in the AlexNet network, using different data obtained by the first step in the data set, after training two depth classifier based on convolutional neural network, can image with missing insulator was screened out, which will be a classifier as the detector, and the detector and classifier cascade, composed of insulator identification system; identification.

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于航拍圖像的識(shí)別輸電線(xiàn)路中絕緣子缺失的方法
本專(zhuān)利技術(shù)屬于遙感影像
，涉及一種機(jī)巡檢航拍圖像檢測(cè)方法。
技術(shù)介紹
電力系統(tǒng)是由發(fā)電廠(chǎng)、輸電網(wǎng)、配電網(wǎng)和電力用戶(hù)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(hù)的一個(gè)統(tǒng)一系統(tǒng)。輸電網(wǎng)和配電網(wǎng)統(tǒng)稱(chēng)為電網(wǎng)，是電力系統(tǒng)的重要組成部分。發(fā)電廠(chǎng)將一次能源轉(zhuǎn)換成電能，經(jīng)過(guò)電網(wǎng)將電能輸送和分配到電力用戶(hù)的用電設(shè)備，從而完成電能從生產(chǎn)到使用的整個(gè)過(guò)程。無(wú)論是對(duì)國(guó)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(xiàn)路的巡視是一項(xiàng)十分重要的工作。輸電線(xiàn)路巡視的目的是為了能夠及時(shí)發(fā)現(xiàn)輸電線(xiàn)路的缺陷和排除安全隱患。我國(guó)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(xiàn)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(kāi)始應(yīng)用于歐美國(guó)家，21世紀(jì)后在國(guó)內(nèi)也開(kāi)始逐漸開(kāi)展，后來(lái)又添加了無(wú)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(xiàn)過(guò)程中的圖片，對(duì)線(xiàn)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(lè).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(shū)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)思路
本專(zhuān)利技術(shù)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(xiàn)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(xiàn)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(xiàn)拍攝的帶有絕緣子的圖像收集起來(lái)，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(guò)訓(xùn)練得到基于深度卷積神經(jīng)網(wǎng)絡(luò)的兩個(gè)分類(lèi)器，能夠?qū)⒑腥笔Ы^緣子的圖像篩選出來(lái)，將其中一個(gè)分類(lèi)器作為檢測(cè)器，并將分類(lèi)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(lèi)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(lèi)，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。本專(zhuān)利技術(shù)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(méi)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(shuō)明圖1網(wǎng)絡(luò)1結(jié)構(gòu)圖圖2txt文檔格式圖3最終結(jié)果圖具體實(shí)施方式為使本專(zhuān)利技術(shù)的技術(shù)方案更加清楚，下面結(jié)合附圖對(duì)本專(zhuān)利技術(shù)具體實(shí)施方式做進(jìn)一步地描述。1.將巡線(xiàn)后得到的包含絕緣子的圖片收集起來(lái)，按照是否有缺失絕緣子來(lái)分類(lèi)，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(lèi)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(lèi)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(lèi)型，輸出類(lèi)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(guò)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(lái)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(lèi)器與檢測(cè)器級(jí)聯(lián)，將分類(lèi)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(lèi)器和檢測(cè)器對(duì)輸入尺寸的要求不同，進(jìn)入分類(lèi)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(lèi)器對(duì)測(cè)試集的圖片進(jìn)行分類(lèi)，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(kāi)，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(méi)有問(wèn)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：本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于航拍圖像的識(shí)別輸電線(xiàn)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(xiàn)拍攝的帶有絕緣子的圖像收集起來(lái)，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(guò)訓(xùn)練得到基于深度卷積神經(jīng)網(wǎng)絡(luò)的兩個(gè)分類(lèi)器，能夠?qū)⒑腥笔Ы^緣子的圖像篩選出來(lái)，將其中一個(gè)分類(lèi)器作為檢測(cè)器，并將分類(lèi)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(lèi)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(lèi)，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。

【技術(shù)特征摘要】
1.一種基于航拍圖像的識(shí)別輸電線(xiàn)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(xiàn)拍攝的帶有絕緣子的圖像收集起來(lái)，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(guò)訓(xùn)練得到基于深度卷積神經(jīng)網(wǎng)絡(luò)的兩個(gè)分類(lèi)器，能夠?qū)⒑腥笔Ы^緣子的圖像篩選出來(lái)，將其中一個(gè)分類(lèi)器作為檢測(cè)器，...

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：侯春萍，章衡光，楊陽(yáng)，管岱，郎玥，
申請(qǐng)(專(zhuān)利權(quán))人：天津大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：天津,12