一種基于無人機巡檢圖像的電力設備缺陷智能識別方法

 

    技術特征：

 

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

 

    步驟1，采用數據流的模式，批量的獲取無人機巡檢得到的輸電線路圖像數據；

 

    步驟2，提取圖像特征，并對所述圖像特征進行整合分析，實現對典型部件的自動定位和識別；

 

    步驟3，根據設定的缺陷識別規則對典型部件進行相應的缺陷分析，實現對常見缺陷的分析與識別；

 

    步驟4，對分析識別結果進行匯總分析處理，依據部件類型、缺陷類型、缺陷等級進行分類，便于依據需求進行分類查詢，并進行特定部件的局部放大展示。

 

    2.根據權利要求1所述一種基于無人機巡檢圖像的電力設備缺陷智能識別方法，其特征在于，步驟1包括：

 

    通過無人機巡檢，獲取輸電線路圖像，以數據流方式批量讀入后臺處理系統；

 

    對所述輸電線路圖像進行預處理，包括圖像復原、圖像超分辨重建、圖像配準和圖像融合。

 

    3.根據權利要求1所述一種基于無人機巡檢圖像的電力設備缺陷智能識別方法，其特征在于，步驟2包括：

 

    對圖像數據進行圖像分割，利用檢測算法，將圖像數據中包含的電力設備及其故障檢測的潛在感興趣目標提取出來，并利用已知的感興趣目標的單個特征或特征組合從分割后的圖像數據中剔除虛假目標，保留圖像數據中的感興趣目標。

 

    4.根據權利要求3所述一種基于無人機巡檢圖像的電力設備缺陷智能識別方法，其特征在于，

 

    所述感興趣目標包括：桿塔、導線、地線、引流線、絕緣子、基礎、防震錘、接地裝置以及部件連通區域；

 

    其中，

 

    對于桿塔的識別：對圖像進行LSD直線檢測，快速準確的檢測出圖像中的直線特征；將圖像分塊，分析每塊中的直線特征，結合桿塔交叉、對稱的特性，確定每個圖像塊的屬性；最終得到桿塔的標記區域；

 

    對于導線的識別：由于導線在圖像中呈現出直線、貫穿特性，對圖像進行prewitt算子邊緣提取；分析邊緣方向信息并進行聚類處理；對各聚類中心進行像素區域生長操作；根據長度信息確定導線位置；

 

    對絕緣子的識別：利用深度學習中CNN方法對絕緣子進行識別，包括構建訓練樣本集，訓練、保存識別模型，利用滑動窗檢測，然后直線擬合候選框，確定圖像中絕緣子標記區域；

 

    對防震錘的識別：構造防震錘、隔離棒的訓練樣本集，利用Faster-RCNN算法，訓練識別模板，保留概率最大的目標候選框，確定圖像中防震錘的標記區域。

 

    5.根據權利要求4所述一種基于無人機巡檢圖像的電力設備缺陷智能識別方法，其特征在于，步驟3中所述的缺陷識別規則包括：絕緣子掉片缺陷識別規則、鳥巢缺陷識別規則、導線異物缺陷識別規則、導線斷股缺陷識別規則、防震錘缺陷識別規則；