一种基于航拍图像的识别输电线路中绝缘子缺失的方法与流程

本发明属于遥感影像技术领域，涉及一种机巡检航拍图像检测方法。

背景技术：

电力系统是由发电厂、输电网、配电网和电力用户组成的整体，是将一次能源转换成电能并输送和分配到用户的一个统一系统。输电网和配电网统称为电网，是电力系统的重要组成部分。发电厂将一次能源转换成电能，经过电网将电能输送和分配到电力用户的用电设备，从而完成电能从生产到使用的整个过程。无论是对国防安全还是我们的日常生活有着非常重要的意义，所以对输电线路的巡视是一项十分重要的工作。

输电线路巡视的目的是为了能够及时发现输电线路的缺陷和排除安全隐患。我国电网的规模非常大，发展的速度也很快。人工巡检作业依然是传统的巡视模式，但是，由于有一大部分的输电线路在深山老林中，导致该方式劳动强度大、巡视难度大、代价高、危险性高，而且巡视结果受到巡视人员技能以及天气、地形、光照等自然条件的影响较大。

直升机作为一种巡视工具从20世纪50年代开始应用于欧美国家，21世纪后在国内也开始逐渐开展，后来又添加了无人机巡视，做到三位一体，协同巡检。有效地降低了工作人员的工作强度，提高了巡检质量、效率和效益。

在巡视结束后，调用巡线过程中的图片，对线路上的缺陷进行进一步的分析和确认。

[1]赵振兵，王乐.一种航拍绝缘子串图像自动定位方法[J].仪器仪表学报，2014,35(3):558-565.

[2]姚春羽，金立军，闫书佳.电网巡检图像中绝缘子的识别[J].系统仿真学报，2012,24(9):1818-1822.

技术实现要素：

本发明的目的是提供一种速度快准确率高的基于航拍图像的识别输电线路中绝缘子缺失的方法。技术方案如下：

一种基于航拍图像的识别输电线路中绝缘子缺失的方法，包括下列步骤：

1)制作数据集：将巡线拍摄的带有绝缘子的图像收集起来，挑选出其中含有缺失绝缘子的图像并对其进行标注，同时使用图像增强技术，构建符合格式要求，匹配网络结构的数据集；

2)训练识别模型：从数据集里采用AlexNet网络，使用第一步得到的数据集里的不同数据，经过训练得到基于深度卷积神经网络的两个分类器，能够将含有缺失绝缘子的图像筛选出来，将其中一个分类器作为检测器，并将分类器与检测器级联，组成绝缘子识别系统；

3)识别：首先用分类器对需要识别是否存在缺失绝缘子的图像进行分类，得到识别出缺失绝缘子的图像和正常绝缘子的图像，分别放在文件夹Absence和文件夹Temp中；再将Temp中的全部图像使用检测器进行检测，检测到有绝缘子缺失的放入到Absence中，其余的放入Normal中，最终，Normal中剩下的全部图像为本系统识别出的正常图像，而Absence中的图像为可能存在缺失绝缘子的图像。

测试集共有175张图片，其中正常的图片有149张，绝缘子缺失的图片有26张。本发明采用以上技术方案，26张绝缘子缺失的图片全部检出，挑出106张正常的，没有挑错的；绝缘子缺失的图片全部在剩下的69张里面，结果如图3所示。其中：

漏检率：0％

错误检出率：100％

工作量减少率：60.6％

正错率；24.6％

附图说明

图1网络1结构图

图2 txt文档格式

图3最终结果图

具体实施方式

为使本发明的技术方案更加清楚，下面结合附图对本发明具体实施方式做进一步地描述。

1.将巡线后得到的包含绝缘子的图片收集起来，按照是否有缺失绝缘子来分类，并按照一定的比例分为训练集、验证集和测试集。图片应作预处理，训练集和验证集的图片处理为256*256的，测试集的图片处理为256*256和600*400这两种尺寸的，分别用于分类器和检测器。

2.生成三个txt文档，分别是训练集、验证集和测试集所有要识别图片的列表，并在后面加上标签，如图2所示。这里拟定有缺失绝缘子的图像为0，正常绝缘子的图片为1。

3.训练神经网络AlexNet作为分类器，首先设置初始的训练参数，其中包括卷积神经网络的层数，卷积核的大小，使用随机初始化网络权重还是使用预训练的模型，激活函数的类型，输出类型，全连接层以及梯度下降的学习率的设定。这里我们使用5层卷积层、3层全连接层的卷积神经网络结构，并加入Dropout技术防止过拟合。

4.具体操作时，先将数据转换为统一的格式，简化数据读取层，之后对所有训练样本计算平均值，计算出来后保存为一个均值文件，再输入到神经网络中。神经网络AlexNet结构图如图1所示。

5.将分类器与检测器级联，将分类器的输出作为检测器的输入，组合为最终的识别模型。分类器和检测器对输入尺寸的要求不同，进入分类器的图片尺寸为256*256，进入检测器的图片尺寸为600*400。

6.用分类器对测试集的图片进行分类，根据网络判断的概率，将正常绝缘子的图片和缺失绝缘子的图片分开，将有缺失绝缘子的图片放在文件夹Absence中，其余图片放在Temp中。

7.用检测器对Temp的图片进行检测，得到绝缘子目标的候选框。调整候选框的阈值，对候选框进行非极大值抑制，得到最终的候选框。被检测到有绝缘子缺失的图片会被放入到Absence中，其余图片则放入到Normal中，这一部分是没有问题的，也就是减轻的工作量。

8.对数据进行分析，评价本系统的识别度。统计漏检率，错误检出率，工作量减少率，正错率。最终结果如图3所示，参数如表1所示。

表1参数及其含义

漏检率：

错误检出率：

工作量减少率：

正错率：