输电线路故障部件识别方法、装置、系统及相关设备与流程

本发明涉及一种输电线路监测，是一种输电线路故障部件识别方法、装置、系统及相关设备。

背景技术：

1、随着人工智能的飞速发展，对于根据通用组件能力建设情况，结合企业基础设施、基础系统的应用对输电线路进行自动故障识别的要求越来越高。

2、现有对于输电线路故障部件识别方法主要包括：

3、（1）对输电线路进行定期巡检。长期以来，输电线路的巡检往往靠人工巡检完成，但这种线路巡检方式巡检周期长、效率低、危险性高、应对复杂地形能力差等问题，难以满足电网运维的要求；

4、（2）采用无人机技术代替人工对于输电线路的定期巡检。该方法无人机只进行输电线路图像拍摄，拍摄获得的输电线路图像需要使用识别算法进行故障识别，但输电线路多数会同时存在多个故障，而现有技术中故障识别算法单一，不能对多种故障进行有效识别，识别效率低。

技术实现思路

1、本发明提供了一种本发明涉及一种输电线路监测技术领域，是一种输电线路故障部件识别方法、装置、系统及相关设备，克服了上述现有技术之不足，其能有效解决现有输电线路故障识别模型单一，造成识别效率低的问题。

2、本发明的技术方案之一是通过以下措施来实现的：一种输电线路故障部件识别方法，包括：

3、获取待识别巡检图像；

4、选择所需识别的缺陷类型，在识别模型库中选择对应的一个或多个缺陷识别模型，其中识别模型库包括防振锤脱落缺陷识别模型、绝缘子自爆缺陷识别模型和销钉缺陷识别模型，每种缺陷识别模型均是利用若干数据进行机器学习得到，其中若干数据中的每组数据均包括巡检图像和对应缺陷标识；

5、将待识别巡检图像输入所选的缺陷识别模型，得到对应的缺陷识别结果。

6、下面是对上述发明技术方案的进一步优化或/和改进：

7、上述识别模型库构建，包括：

8、获取巡检图像样本库，其中巡检图像样本库包括若干分别带有防振锤脱落、绝缘子自爆和销钉缺陷三种缺陷类型的巡检图像样本，每个巡检图像样本包括巡检图像和对应缺陷标识；

9、将巡检图像样本库按照缺陷类型进行分类，分为防振锤脱落巡检图像集、绝缘子自爆巡检图像集和销钉缺陷巡检图像集；

10、基于不同缺陷特征提取识别的特点选择不同的网络模型算法，并利用防振锤脱落巡检图像集、绝缘子自爆巡检图像集和销钉缺陷巡检图像集对相应的网络模型算法进行训练，得到对应的缺陷识别模型。

11、上述防振锤脱落缺陷识别模型的训练，包括：

12、选择基于对比学习和并行注意力的网络模型进行训练，其中基于对比学习和并行注意力的网络包括特征金字塔网络、区域提议网络和对比学习网络和级联分类回归网络；

13、将防振锤脱落巡检图像集按比例划分为训练样本集和测试样本集；

14、利用训练样本集对基于对比学习和并行注意力的网络模型进行训练，输出防振锤脱落缺陷识别模型，其中训练过程包括：经特征金字塔网络和区域提议网络获取正负样本，对比学习网络得到与真实框有交集的正负样本，并计算正负样本与真实框的相似度，将对应的对比损失反向传播至区域提议网络调节正负样本，利用级联分类回归网络进行分类；

15、利用测试样本集对训练得到的模型进行测试，结合调节模型参数，输出最优防振锤脱落缺陷识别模型。

16、上述绝缘子自爆巡检图像集的训练，包括：

17、选择基于上下文信息融合的网络模型进行训练，其中基于上下文信息融合的网络模型包括主干网络、区域提议网络、多尺度上下文融合模块、全连接层、分类器和回归器；

18、将绝缘子自爆巡检图像集按比例划分为训练样本集和测试样本集；

19、利用训练样本集对基于上下文信息融合的网络模型进行训练，输出绝缘子自爆缺陷识别模型，其中训练过程包括：基于主干网络和区域提议网络获取绝缘子自爆提议框，多尺度上下文融合模块对每个绝缘子自爆提议框周围的区域进行多尺度特征提取，并进行特征融合，融合后的特征经全连接层组合整理后具有分类器进行分类；

20、利用测试样本集对训练得到的模型进行测试，结合调节模型参数，输出最优绝缘子自爆缺陷识别模型。

21、上述获取巡检图像样本库，包括：

22、获取历史巡检图像库，其中历史巡检图像库包括若干分别带有防振锤脱落、绝缘子自爆和销钉缺陷三种缺陷类型的历史巡检图像；

23、对历史巡检图像中的防振锤脱落缺陷、绝缘子自爆缺陷和销钉缺陷进行位置和类别标注，得到巡检图像样本，形成巡检图像样本库。

24、本发明的技术方案之二是通过以下措施来实现的：一种输电线路故障部件识别装置，包括：

25、图像获取单元，获取待识别巡检图像；

26、选择单元，选择所需识别的缺陷类型，在识别模型库中选择对应的一个或多个缺陷识别模型，其中识别模型库包括防振锤脱落缺陷识别模型、绝缘子自爆缺陷识别模型和销钉缺陷识别模型，每种缺陷识别模型均是利用若干数据进行机器学习得到，其中若干数据中的每组数据均包括巡检图像和对应缺陷标识；

27、识别单元，将待识别巡检图像输入所选的缺陷识别模型，得到对应的缺陷识别结果。

28、下面是对上述发明技术方案的进一步优化或/和改进：

29、上述识别模型库，包括：

30、样本获取模块，获取巡检图像样本库，将巡检图像样本库按照缺陷类型进行分类，分为防振锤脱落巡检图像集、绝缘子自爆巡检图像集和销钉缺陷巡检图像集，其中巡检图像样本库包括若干分别带有防振锤脱落、绝缘子自爆和销钉缺陷三种缺陷类型的巡检图像样本，每个巡检图像样本包括巡检图像和对应缺陷标识；

31、训练模块，基于不同缺陷特征提取识别的特点选择不同的网络模型算法，并利用防振锤脱落巡检图像集、绝缘子自爆巡检图像集和销钉缺陷巡检图像集对相应的网络模型算法进行训练，得到对应的缺陷识别模型。

32、本发明的技术方案之三是通过以下措施来实现的：一种输电线路故障部件识别系统，包括：

33、系统登录单元，用于执行用户登录操作；

34、用户管理单元，用于对用户信息进行管理；

35、数据上传单元，用于巡检图像数据的上传；

36、输电线路故障部件识别装置，用于识别待识别巡检图像；

37、可视化单元，用于可视化展示巡检图像识别结果。

38、本发明针对防振锤脱落缺陷、绝缘子自爆缺陷和销钉缺陷的特点，建立有识别模型库，在对待识别巡检图像进行识别时可以根据需要灵活选择一个或多个模型，同时对待识别巡检图像进行识别，不仅增加了识别模型的特点还进一步提高了识别效率，为输电线路维护提供了有效的数据支撑。

技术特征：

1.一种输电线路故障部件识别方法，其特征在于，包括：

2.根据权利要求1所述的输电线路故障部件识别方法，其特征在于，所述识别模型库构建，包括：

3.根据权利要求2所述的输电线路故障部件识别方法，其特征在于，所述防振锤脱落缺陷识别模型的训练，包括：

4.根据权利要求2或3所述的输电线路故障部件识别方法，其特征在于，所述绝缘子自爆巡检图像集的训练，包括：

5.根据权利要求2至4中任意一项所述的输电线路故障部件识别方法，其特征在于，所述获取巡检图像样本库，包括：

6.一种应用如权利要求1至5中任意一项所述的输电线路故障部件识别装置，其特征在于，包括：

7.根据权利要求6所述的输电线路故障部件识别装置，其特征在于，所述识别模型库，包括：

8.一种输电线路故障部件识别系统，其特征在于，包括：

9.一种存储介质，其特征在于，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行如权利要求1至5任一项所述的输电线路故障部件识别方法。

10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现如权利要求1至5任一项所述的输电线路故障部件识别方法。

技术总结本发明涉及一种输电线路监测技术领域，是一种输电线路故障部件识别方法、装置、系统及相关设备，前者包括：获取待识别巡检图像；选择所需识别的缺陷类型，在识别模型库中选择对应的一个或多个缺陷识别模型；将待识别巡检图像输入所选的缺陷识别模型，得到对应的缺陷识别结果。本发明针对防振锤脱落缺陷、绝缘子自爆缺陷和销钉缺陷的特点，建立有识别模型库，在对待识别巡检图像进行识别时可以根据需要灵活选择一个或多个模型，同时对待识别巡检图像进行识别，不仅增加了识别模型的特点还进一步提高了识别效率，为输电线路维护提供了有效的数据支撑。技术研发人员：万姣,聂旭贝,李凯,马军,曹源,周建忠,孙博文,赵楚月,白亮,马天福受保护的技术使用者：国网新疆电力有限公司信息通信公司技术研发日：技术公布日：2024/9/9