一种基于监控图像的输电线路绝缘子自爆故障检测方法与流程

本发明属于图像处理，具体涉及一种基于监控图像的输电线路绝缘子自爆故障检测方法。

背景技术：

1、绝缘子是输电线路绝缘部分的主体，在恶劣的野外环境中，由于环境侵蚀和机械应力的影响，容易产生自爆，对输电线路安全产生严重影响。电力部门广泛使用无人机(uav)对输电线路进行巡检，或使用监控相机实时拍摄，获取了大量监控图像，但目前主要依靠人工目视解译对每张图片进行故障识别，费时费力，因此，绝缘子自爆故障的自动检测对电力系统的稳定运行和安全具有重要意义。利用深度学习实现绝缘子自爆故障的自动识别，具有经济可行性，但由于绝缘子背景环境多样，且绝缘子自爆故障区域通常较小，因此，目前绝缘子自爆故障的检测效果仍然不尽如人意，存在漏检率高、不能精确定位故障区域等问题。如何在背景复杂、对比度不明显、故障区域小等情况下提高自爆故障的检测精度是需要解决的关键问题。

技术实现思路

1、本发明的目的是提供及一种基于监控图像的输电线路绝缘子自爆故障检测方法、系统、计算机可读存储介质和计算机程序产品，能够实现绝缘子自爆故障的准确识别和定位。

2、为解决上述技术问题，本发明是采用下述技术方案实现的。

3、第一方面，本发明提供一种基于监控图像的输电线路绝缘子自爆故障检测方法，包括：

4、获取实时输电线路绝缘子图像；

5、将获取的实时输电线路绝缘子图像输入预先构建好的绝缘子自爆故障检测模型进行故障识别，得到检测结果；

6、其中，所述绝缘子自爆故障检测模型的构建方法为：

7、将unet++模型作为绝缘子自爆故障检测模型的基础架构，对网络结构进行重构，得到所述绝缘子自爆故障检测模型；

8、对所述网络结构进行重构的方法为：

9、嵌入resblock残差单元作为unet++模型的基础卷积层，resblock残差单元简化了模型的训练，同时其包含的跳跃连接可以促进信息的传播，使模型参数更少但性能更好；

10、在解码路径中，引入空间和通道挤压激励单元scse用于突出前景信息，并抑制无意义的背景信息。

11、结合第一方面，进一步地，在获取实时输电线路绝缘子图像后，对实时输电线路绝缘子图像进行预处理后再输入预先构建好的绝缘子自爆故障检测模型中，具体预处理的方法包括裁剪，缩放至512×512像素大小。

12、结合第一方面，进一步地，获取输电线路绝缘子图像的方法为：利用无人机或监控相机采集输电线路绝缘子图像。

13、结合第一方面，进一步地，对历史输电线路绝缘子图像进行预处理的方法为：对获取的历史输电线路绝缘子图像进行裁剪，裁剪得到绝缘子及其自爆故障的子图像，将所述子图像缩放至黑色背景图像的中心位置，得到绝缘子自爆故障图像数据集，使用标注软件对所述绝缘子自爆故障图像数据集进行标注，标注出绝缘子及其绝缘子的掩膜，得到故障数据集。

14、进一步地，所述故障数据集包括训练集、验证集以及测试集，所述验证集用于调整所述绝缘子自爆故障检测模型的参数。优选地所述训练集与测试集的绝缘子自爆故障图像数的数量比为6:1或8:2。

15、结合第一方面，进一步地，所述绝缘子自爆故障检测模型的训练方法为：

16、获取历史输电线路绝缘子图像，对历史输电线路绝缘子图像进行预处理，得到故障数据集，将故障数据集输入构建的绝缘子自爆故障检测模型进行训练，得到训练好的所述绝缘子自爆故障检测模型。

17、结合第一方面，进一步地，所述绝缘子自爆故障检测模型的具体构建方法为：

18、包括编码器和解码器，编码器通过下采样和resblock残差单元，不断的对特征图的大小减半，同时对通道数加倍，解码器通过上采样、连接、resblock残差单元以及空间和通道挤压激励单元scse，不断的对特征图的大小加倍，同时对通道数减半，逐步恢复到原图像大小。连接操作用于融合低层次位置信息和深层次语义信息，可以弥补编码器和解码器的特征映射之间的语义差距。resblock残差单元接收输入的输电线路绝缘子图像，对输电线路绝缘子图像进行卷积、批量规范化以及relu变换后得到特征图，空间和通道挤压激励单元接受来自resblock残差单元的特征图，并对特征图进行校正，最终得到包含背景、绝缘子正常部分和绝缘子自爆部分这3个类别信息的3通道检测结果图像。

19、第二方面，本发明提供一种基于监控图像的输电线路绝缘子自爆故障检测系统，包括：

20、实时输电线路绝缘子图像获取模块，被配置用于获取实时输电线路绝缘子图像；

21、绝缘子自爆故障检测模型模块，被配置用于将获取的实时输电线路绝缘子图像输入预先构建好的绝缘子自爆故障检测模型进行故障识别，得到检测结果；

22、其中，所述绝缘子自爆故障检测模型的构建方法为：

23、将unet++模型作为绝缘子自爆故障检测模型的基础架构，对网络结构进行重构，得到所述绝缘子自爆故障检测模型；

24、对所述网络结构进行重构的方法为：

25、嵌入resblock残差单元作为unet++模型的基础卷积层，resblock残差单元简化了模型的训练，同时其包含的跳跃连接可以促进信息的传播，使模型参数更少但性能更好；

26、在解码路径中，引入空间和通道挤压激励单元scse用于突出前景信息，并抑制无意义的背景信息。

27、结合第二方面，进一步地，本发明的输电线路绝缘子自爆故障检测系统还包括：

28、历史输电线路绝缘子图像获取模块，被配置用于获取历史输电线路绝缘子图像；

29、历史输电线路绝缘子图像预处理模块，被配置用于对获取的历史输电线路绝缘子图像进行裁剪，裁剪得到绝缘子及其自爆故障的子图像，将所述子图像缩放至黑色背景图像的中心位置，得到绝缘子自爆故障图像数据集，使用标注软件对所述绝缘子自爆故障图像数据集进行标注，标注出绝缘子及其绝缘子的掩膜，得到故障数据集。

30、第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述的基于监控图像的输电线路绝缘子自爆故障检测方法的步骤。

31、第四方面，本发明提供一种计算机设备，包括：

32、存储器，用于存储计算机程序；

33、处理器，用于执行所述计算机程序以实现上述的基于监控图像的输电线路绝缘子自爆故障检测方法的步骤。

34、第五方面，本发明提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的基于监控图像的输电线路绝缘子自爆故障检测方法的步骤。

35、与现有技术相比，本发明所达到的有益效果：

36、本发明能够实现绝缘子自爆故障的准确识别和定位，检测精度更高，解决了背景复杂、对比度不明显、故障区域小等情况下绝缘子故障的检测和定位难题。

技术特征：

1.一种基于监控图像的输电线路绝缘子自爆故障检测方法，其特征在于，包括：

2.根据权利要求1所述的基于监控图像的输电线路绝缘子自爆故障检测方法，其特征在于，所述绝缘子自爆故障检测模型的训练方法为：

3.根据权利要求2所述的基于监控图像的输电线路绝缘子自爆故障检测方法，其特征在于，获取输电线路绝缘子图像的方法为：利用无人机或监控相机采集输电线路绝缘子图像。

4.根据权利要求2所述的基于监控图像的输电线路绝缘子自爆故障检测方法，其特征在于，对历史输电线路绝缘子图像进行预处理的方法为：对获取的历史输电线路绝缘子图像进行裁剪，裁剪得到绝缘子及其自爆故障的子图像，将所述子图像缩放至黑色背景图像的中心位置，得到绝缘子自爆故障图像数据集，使用标注软件对所述绝缘子自爆故障图像数据集进行标注，标注出绝缘子及其绝缘子的掩膜，得到故障数据集。

5.根据权利要求1所述的基于监控图像的输电线路绝缘子自爆故障检测方法，其特征在于，所述绝缘子自爆故障检测模型的具体构建方法为：包括编码器和解码器，所述编码器包括resblock残差单元，所述解码器包括空间和通道挤压激励单元scse；所述resblock残差单元接收输入的输电线路绝缘子图像，对输电线路绝缘子图像进行卷积、批量规范化以及relu变换后得到特征图，并将特征图输入至空间和通道挤压激励单元scse；所述空间和通道挤压激励单元scse接受来自resblock残差单元的特征图，并对特征图进行校正，得到包含背景、绝缘子正常部分和绝缘子自爆部分这3个类别信息的3通道检测结果图像。

6.一种基于监控图像的输电线路绝缘子自爆故障检测系统，其特征在于，包括：

7.根据权利要求6所述的基于监控图像的输电线路绝缘子自爆故障检测系统，其特征在于，还包括：

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该计算机程序被处理器执行时，实现权利要求1～5中任一所述的基于监控图像的输电线路绝缘子自爆故障检测方法的步骤。

9.一种计算机设备，其特征在于，包括：

10.一种计算机程序产品，包括计算机程序，其特征在于：该计算机程序被处理器执行时实现权利要求1～5中任一项所述的基于监控图像的输电线路绝缘子自爆故障检测方法的步骤。

技术总结本发明涉及图像处理技术领域，公开了一种基于监控图像的输电线路绝缘子自爆故障检测方法，该方法包括：获取实时输电线路绝缘子图像；将获取的实时输电线路绝缘子图像输入预先构建好的绝缘子自爆故障检测模型进行故障识别，得到检测结果；其中，所述绝缘子自爆故障检测模型的构建方法为：将UNet++模型作为绝缘子自爆故障检测模型的基础架构，对网络结构进行重构；嵌入ResBlock残差单元作为UNet++模型的基础卷积层；在解码路径上，引入空间和通道挤压激励单元SCSE作为ResBlock残差单元的后续处理单元，用于校正特征图。本发明能够实现绝缘子自爆故障的准确识别和定位。技术研发人员：马洲俊,徐春雷,谭晶,魏晓菁,范鹏展,刘鸿斌,董勤伟,陈锦铭,韦磊,焦昊,陈烨,曾锃,肖茂然受保护的技术使用者：国网江苏省电力有限公司电力科学研究院技术研发日：技术公布日：2024/12/2