一種基于無人機(jī)巡檢圖像的電力設(shè)備缺陷智能識(shí)別方法

 

    技術(shù)特征：

 

    1.一種基于無人機(jī)巡檢圖像的電力設(shè)備缺陷智能識(shí)別方法，其特征在于，包括以下步驟：

 

    步驟1，采用數(shù)據(jù)流的模式，批量的獲取無人機(jī)巡檢得到的輸電線路圖像數(shù)據(jù)；

 

    步驟2，提取圖像特征，并對(duì)所述圖像特征進(jìn)行整合分析，實(shí)現(xiàn)對(duì)典型部件的自動(dòng)定位和識(shí)別；

 

    步驟3，根據(jù)設(shè)定的缺陷識(shí)別規(guī)則對(duì)典型部件進(jìn)行相應(yīng)的缺陷分析，實(shí)現(xiàn)對(duì)常見缺陷的分析與識(shí)別；

 

    步驟4，對(duì)分析識(shí)別結(jié)果進(jìn)行匯總分析處理，依據(jù)部件類型、缺陷類型、缺陷等級(jí)進(jìn)行分類，便于依據(jù)需求進(jìn)行分類查詢，并進(jìn)行特定部件的局部放大展示。

 

    2.根據(jù)權(quán)利要求1所述一種基于無人機(jī)巡檢圖像的電力設(shè)備缺陷智能識(shí)別方法，其特征在于，步驟1包括：

 

    通過無人機(jī)巡檢，獲取輸電線路圖像，以數(shù)據(jù)流方式批量讀入后臺(tái)處理系統(tǒng)；

 

    對(duì)所述輸電線路圖像進(jìn)行預(yù)處理，包括圖像復(fù)原、圖像超分辨重建、圖像配準(zhǔn)和圖像融合。

 

    3.根據(jù)權(quán)利要求1所述一種基于無人機(jī)巡檢圖像的電力設(shè)備缺陷智能識(shí)別方法，其特征在于，步驟2包括：

 

    對(duì)圖像數(shù)據(jù)進(jìn)行圖像分割，利用檢測(cè)算法，將圖像數(shù)據(jù)中包含的電力設(shè)備及其故障檢測(cè)的潛在感興趣目標(biāo)提取出來，并利用已知的感興趣目標(biāo)的單個(gè)特征或特征組合從分割后的圖像數(shù)據(jù)中剔除虛假目標(biāo)，保留圖像數(shù)據(jù)中的感興趣目標(biāo)。

 

    4.根據(jù)權(quán)利要求3所述一種基于無人機(jī)巡檢圖像的電力設(shè)備缺陷智能識(shí)別方法，其特征在于，

 

    所述感興趣目標(biāo)包括：桿塔、導(dǎo)線、地線、引流線、絕緣子、基礎(chǔ)、防震錘、接地裝置以及部件連通區(qū)域；

 

    其中，

 

    對(duì)于桿塔的識(shí)別：對(duì)圖像進(jìn)行LSD直線檢測(cè)，快速準(zhǔn)確的檢測(cè)出圖像中的直線特征；將圖像分塊，分析每塊中的直線特征，結(jié)合桿塔交叉、對(duì)稱的特性，確定每個(gè)圖像塊的屬性；最終得到桿塔的標(biāo)記區(qū)域；

 

    對(duì)于導(dǎo)線的識(shí)別：由于導(dǎo)線在圖像中呈現(xiàn)出直線、貫穿特性，對(duì)圖像進(jìn)行prewitt算子邊緣提取；分析邊緣方向信息并進(jìn)行聚類處理；對(duì)各聚類中心進(jìn)行像素區(qū)域生長(zhǎng)操作；根據(jù)長(zhǎng)度信息確定導(dǎo)線位置；

 

    對(duì)絕緣子的識(shí)別：利用深度學(xué)習(xí)中CNN方法對(duì)絕緣子進(jìn)行識(shí)別，包括構(gòu)建訓(xùn)練樣本集，訓(xùn)練、保存識(shí)別模型，利用滑動(dòng)窗檢測(cè)，然后直線擬合候選框，確定圖像中絕緣子標(biāo)記區(qū)域；

 

    對(duì)防震錘的識(shí)別：構(gòu)造防震錘、隔離棒的訓(xùn)練樣本集，利用Faster-RCNN算法，訓(xùn)練識(shí)別模板，保留概率最大的目標(biāo)候選框，確定圖像中防震錘的標(biāo)記區(qū)域。

 

    5.根據(jù)權(quán)利要求4所述一種基于無人機(jī)巡檢圖像的電力設(shè)備缺陷智能識(shí)別方法，其特征在于，步驟3中所述的缺陷識(shí)別規(guī)則包括：絕緣子掉片缺陷識(shí)別規(guī)則、鳥巢缺陷識(shí)別規(guī)則、導(dǎo)線異物缺陷識(shí)別規(guī)則、導(dǎo)線斷股缺陷識(shí)別規(guī)則、防震錘缺陷識(shí)別規(guī)則；