绝缘子缺陷检测方法、装置、设备及存储介质与流程

1.本发明涉及电力设备巡检技术领域，尤其涉及一种绝缘子缺陷检测方法、装置、设备及存储介质。


背景技术：

2.目前电力绝缘子缺陷检测普遍采用“人巡为主，机巡为辅”的方式：采用无人机采集图像，人工判断图像中绝缘子缺陷的位置。这种方法存在人工成本高和巡检效率低的问题。
3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

4.本发明的主要目的在于提供一种绝缘子缺陷检测方法、装置、设备及存储介质，旨在解决目前电力绝缘子缺陷检测方法存在人工成本高和巡检效率低的技术问题。
5.为实现上述目的，本发明提供了一种绝缘子缺陷检测方法，所述方法包括以下步骤：
6.在获取到待检测图像时，根据训练好的绝缘子检测模型从所述待检测图像中检测绝缘子对或绝缘子串，得到绝缘子检测框；
7.按照预设比例对所述绝缘子检测框进行放大，得到目标检测框；
8.根据训练好的绝缘子缺陷检测模型从所述目标检测框对应的图像中检测绝缘子缺陷，得到绝缘子缺陷检测结果。
9.可选地，所述按照预设比例对所述绝缘子检测框进行放大，得到目标检测框之后，所述方法还包括：
10.确定所述目标检测框中多个绝缘子片对应的主方向；
11.根据所述主方向对所述目标检测框进行旋转，以使所述目标检测框中绝缘子对或绝缘子串处于水平方向，得到旋转处理后的目标检测框；
12.根据训练好的绝缘子缺陷检测模型从所述旋转处理后的目标检测框对应的图像中检测绝缘子缺陷，得到绝缘子缺陷检测结果。
13.可选地，所述在获取到待检测图像时，根据训练好的绝缘子检测模型从所述待检测图像中检测绝缘子对或绝缘子串，得到绝缘子检测框之前，所述方法还包括：
14.获取样本图像和对应的标注信息，其中，所述标注信息包括绝缘子标注信息和缺陷标注信息；
15.根据所述样本图像和所述绝缘子标注信息对绝缘子检测模型进行训练，得到训练好的绝缘子检测模型；
16.根据所述样本图像和所述缺陷标注信息对绝缘子缺陷检测模型进行训练，得到训练好的绝缘子缺陷检测模型。
17.可选地，所述获取样本图像和对应的标注信息之前，所述方法还包括：
18.若第一样本图像中存在成对的绝缘子串，则框选绝缘子对得到第一标注框，并根据绝缘子串特征为所述第一标注框标注绝缘子对类别，根据所述第一标注框和所述绝缘子对类别生成所述第一样本图像对应的绝缘子标注信息，其中，所述绝缘子对类别为玻璃绝缘子对、陶瓷绝缘子对、复合绝缘子对或其他绝缘子对；
19.若第二样本图像中包含单个绝缘子串，则框选绝缘子串得到第二标注框，并根据绝缘子串特征为所述第二标注框标注绝缘子串类别，根据所述第二标注框和所述绝缘子串类别生成所述第二样本图像对应的绝缘子标注信息，其中，所述绝缘子串类别为玻璃绝缘子串、陶瓷绝缘子串、复合绝缘子串或其他绝缘子串；
20.若第三样本图像中不包含绝缘子串，则将空标注信息作为所述第三样本图像对应的绝缘子标注信息。
21.可选地，所述在获取到待检测图像时，根据训练好的绝缘子检测模型从所述待检测图像中检测绝缘子对或绝缘子串，得到绝缘子检测框，包括：
22.在获取到待检测图像时，将所述待检测图像输入至训练好的绝缘子检测模型，以检测所述待检测图像是否存在绝缘子对或绝缘子串；
23.确定各绝缘子对类别或各绝缘子串类别对应的置信度；
24.从各绝缘子对类别或各绝缘子串类别选择置信度最高的目标类别，并确定所述目标类别对应的绝缘子检测框。
25.可选地，所述获取样本图像和对应的标注信息之前，所述方法还包括：
26.若第四样本图像中存在绝缘子串缺失缺陷，则框选缺失位置以及与缺失位置相邻的绝缘子片，得到第一缺陷标注框，并为所述第一缺陷标注框标注缺失类别，根据所述第一缺陷标注框和所述缺失类别生成所述第四样本图像对应的缺陷标注信息；
27.若第五样本图像中存在除绝缘子串缺失缺陷外的其他缺陷，则框选缺陷发生位置生成第二缺陷标注框，并为所述第二缺陷标注框标注缺陷类别，根据所述第二缺陷标注框和所述缺陷类别生成所述第五样本图像对应的缺陷标注信息；
28.若第六样本图像中不存在绝缘子缺陷，则将空标注信息作为所述第六样本图像对应的缺陷标注信息。
29.可选地，所述获取样本图像和对应的标注信息之后，所述方法还包括：
30.对所述样本图像分别进行旋转处理、翻转处理以及马赛克增强，以增加样本图像数量；
31.根据所述样本图像、处理后的样本图像以及所述标注信息生成训练集；
32.根据所述训练集对绝缘子检测模型和绝缘子缺陷检测模型进行训练，得到训练好的绝缘子检测模型和训练好的绝缘子缺陷检测模型
33.此外，为实现上述目的，本发明还提出一种绝缘子缺陷检测装置，所述绝缘子缺陷检测装置包括：
34.绝缘子检测模块，用于在获取到待检测图像时，根据训练好的绝缘子检测模型从所述待检测图像中检测绝缘子对或绝缘子串，得到绝缘子检测框；
35.调整模块，用于按照预设比例对所述绝缘子检测框进行放大，得到目标检测框；
36.缺陷检测模块，用于根据训练好的绝缘子缺陷检测模型从所述目标检测框对应的
图像中检测绝缘子缺陷，得到绝缘子缺陷检测结果。
37.此外，为实现上述目的，本发明还提出一种绝缘子缺陷检测设备，所述绝缘子缺陷检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的绝缘子缺陷检测程序，所述绝缘子缺陷检测程序配置为实现如上文所述的绝缘子缺陷检测方法。
38.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有绝缘子缺陷检测程序，所述绝缘子缺陷检测程序被处理器执行时实现如上文所述的绝缘子缺陷检测方法。
39.本发明中在获取到待检测图像时，根据训练好的绝缘子检测模型从待检测图像中检测绝缘子对或绝缘子串，得到绝缘子检测框；按照预设比例对绝缘子检测框进行放大，得到目标检测框；根据训练好的绝缘子缺陷检测模型从目标检测框对应的图像中检测绝缘子缺陷，得到绝缘子缺陷检测结果。通过上述方式，在采集图像后自动进行绝缘子检测和绝缘子缺陷检测，确定绝缘子缺陷的发生位置，降低了人工巡检成本，提高了检测效率，对检测得到的绝缘子检测框进行放大，对绝缘子对或绝缘子串及周围图像进行缺陷检测，避免了缺陷位置超出目标检测框造成的误检测，提高了绝缘子缺陷检测精度。
附图说明
40.图1是本发明实施例方案涉及的硬件运行环境的绝缘子缺陷检测设备的结构示意图；
41.图2为本发明绝缘子缺陷检测方法第一实施例的流程示意图；
42.图3为本发明绝缘子缺陷检测方法第二实施例的流程示意图；
43.图4为本发明绝缘子缺陷检测装置第一实施例的结构框图。
44.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
45.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
46.参照图1，图1为本发明实施例方案涉及的硬件运行环境的绝缘子缺陷检测设备结构示意图。
47.如图1所示，该绝缘子缺陷检测设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
48.本领域技术人员可以理解，图1中示出的结构并不构成对绝缘子缺陷检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
49.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及绝缘子缺陷检测程序。
50.在图1所示的绝缘子缺陷检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明绝缘子缺陷检测设备中的处理器1001、存储器1005可以设置在绝缘子缺陷检测设备中，所述绝缘子缺陷检测设备通过处理器1001调用存储器1005中存储的绝缘子缺陷检测程序，并执行本发明实施例提供的绝缘子缺陷检测方法。
51.本发明实施例提供了一种绝缘子缺陷检测方法，参照图2，图2为本发明绝缘子缺陷检测方法第一实施例的流程示意图。
52.本实施例中，所述绝缘子缺陷检测方法包括以下步骤：
53.步骤s10：在获取到待检测图像时，根据训练好的绝缘子检测模型从所述待检测图像中检测绝缘子对或绝缘子串，得到绝缘子检测框。
54.可以理解的是，本实施例的执行主体为绝缘子缺陷检测设备，所述绝缘子缺陷检测设备可以为计算机、服务器、移动终端或具备推理能力的设备，还可以为具备推理能力的无人机，本实施例对此不加以限制。
55.需要说明的是，无人机按照预先设置的巡检路线飞行，采集视频数据或者图像数据，从视频数据中按照预设频率抽取多帧图像，从而得到待检测图像，将待检测图像传输至绝缘子缺陷检测设备进行绝缘子检测和绝缘子缺陷检测。
56.应当理解的是，提前根据大量样本数据对绝缘子检测模型和绝缘子缺陷检测模型进行训练，得到训练好的模型，其中，训练好的绝缘子检测模型用于检测图像中的单个绝缘子串或者成对的绝缘子对，并输出检测框以及对应的绝缘子串类别或绝缘子对类别，绝缘子串类别包括：玻璃绝缘子串、陶瓷绝缘子串、复合绝缘子串和其他绝缘子串；绝缘子对类别包括：玻璃绝缘子对、陶瓷绝缘子对、复合绝缘子对和其他绝缘子对。训练好的绝缘子缺陷检测模型用于检测图像中的绝缘子缺陷，并输出缺陷发生位置和缺陷类别，缺陷类别包括：绝缘子缺失、伞裙破损、根部断裂、rtv脱落、表面灼蚀等。
57.步骤s20：按照预设比例对所述绝缘子检测框进行放大，得到目标检测框。
58.需要说明的是，同一图像中可能存在多个目标检测框，每个目标检测框中包含单个绝缘子串或成对的绝缘子对。预设比例为提前设置的固定比例，本实施例中对绝缘子检测框放大，使得可能存在缺陷的位置均落入目标检测框中，避免了绝缘子缺陷误检测，例如，绝缘子串中的绝缘子片出现脱落，但是绝缘子检测模型输出的检测框中未框选脱落位置，通过将绝缘子检测框进行放大，使得目标检测框框选脱落位置，为后续绝缘子缺陷检测提供了数据支持。
59.进一步地，为了进一步提高绝缘子缺陷检测率，所述步骤s20之后，所述方法还包括：确定所述目标检测框中多个绝缘子片对应的主方向；根据所述主方向对所述目标检测框进行旋转，以使所述目标检测框中绝缘子对或绝缘子串处于水平方向，得到旋转处理后的目标检测框；根据训练好的绝缘子缺陷检测模型从所述旋转处理后的目标检测框对应的图像中检测绝缘子缺陷，得到绝缘子缺陷检测结果。
60.应当理解的是，本实施例中在检测绝缘子串或绝缘子对的同时检测绝缘子片，利用pca主成分分析技术确定目标检测框内的绝缘子片的主方向，即绝缘子串方向，根据主方向将目标检测框进行旋转，使得绝缘子串或绝缘子对旋转至水平，然后通过训练好的绝缘子缺陷检测模型进行缺陷检测，显著提高检测率。在进行训练的过程中，绝缘子缺陷检测模
型同时学习水平放置的绝缘子缺陷和其他方向放置的绝缘子串缺陷，在绝缘子片检测失败等原因导致绝缘子串旋转失败时时，仍然可以检测绝缘子缺陷。
61.步骤s30：根据训练好的绝缘子缺陷检测模型从所述目标检测框对应的图像中检测绝缘子缺陷，得到绝缘子缺陷检测结果。
62.需要说明的是，本实施例中利用训练好的绝缘子缺陷检测模型对目标检测框中图像进行检测，输出缺陷检测框和缺陷类别，其中缺陷检测框用于定位缺陷发生位置，若目标检测框对应的图像中未检测到绝缘子缺陷，则输出空检测框和缺陷类别空值。优选地，在检测到绝缘子缺陷时，获取待检测图像对应的属性信息，例如：拍摄时间、拍摄位置等等，根据属性信息和绝缘子缺陷检测结果生成巡检记录，对巡检记录进行上报，以提示巡检人员对绝缘子缺陷进行处理。
63.在具体实现中，本实施例的绝缘子检测模型和绝缘子缺陷检测模型的基本框架可以分为4个部分：input、backbone、neck和prediction；其中：
64.input部分通过拼接数据、旋转数据、增强马赛克等处理来丰富数据集；
65.backbone部分主要由csp模块组成，进行特征提取；
66.neck部分使用fpn和路径聚合网络(panet)来聚合该阶段的图像特征；
67.prediction部分进行目标预测并通过预测输出。
68.本实施例中在获取到待检测图像时，根据训练好的绝缘子检测模型从待检测图像中检测绝缘子对或绝缘子串，得到绝缘子检测框；按照预设比例对绝缘子检测框进行放大，得到目标检测框；根据训练好的绝缘子缺陷检测模型从目标检测框对应的图像中检测绝缘子缺陷，得到绝缘子缺陷检测结果。通过上述方式，在采集图像后自动进行绝缘子检测和绝缘子缺陷检测，确定绝缘子缺陷的发生位置，降低了人工巡检成本，提高了检测效率，对检测得到的绝缘子检测框进行放大，对绝缘子对或绝缘子串及周围图像进行缺陷检测，避免了缺陷位置超出目标检测框造成的误检测，提高了绝缘子缺陷检测精度。
69.参考图3，图3为本发明绝缘子缺陷检测方法第二实施例的流程示意图。
70.基于上述第一实施例，本实施例绝缘子缺陷检测方法在所述步骤s10之前，还包括：
71.步骤s101：获取样本图像和对应的标注信息，其中，所述标注信息包括绝缘子标注信息和缺陷标注信息。
72.可以理解的是，本实施例中利用样本图像和标注信息对深度学习神经网络进行多次迭代训练，得到两个模型分别用于检测绝缘子串和绝缘子缺陷。标注信息即框住目标的检测框以及对应的类别。在具体实现中，提前设置标识用于区分绝缘子标注信息和缺陷标注信息，在对不同的模型进行训练时，按照标识读取样本图像对应的标注信息。
73.进一步地，所述步骤s101之前，所述方法还包括：若第一样本图像中存在成对的绝缘子串，则框选绝缘子对得到第一标注框，并根据绝缘子串特征为所述第一标注框标注绝缘子对类别，根据所述第一标注框和所述绝缘子对类别生成所述第一样本图像对应的绝缘子标注信息，其中，所述绝缘子对类别为玻璃绝缘子对、陶瓷绝缘子对、复合绝缘子对或其他绝缘子对；若第二样本图像中包含单个绝缘子串，则框选绝缘子串得到第二标注框，并根据绝缘子串特征为所述第二标注框标注绝缘子串类别，根据所述第二标注框和所述绝缘子串类别生成所述第二样本图像对应的绝缘子标注信息，其中，所述绝缘子串类别为玻璃绝
缘子串、陶瓷绝缘子串、复合绝缘子串或其他绝缘子串；若第三样本图像中不包含绝缘子串，则将空标注信息作为所述第三样本图像对应的绝缘子标注信息。
74.需要说明的是，本实施例中将不同绝缘子特征进行区分标注，从而提高绝缘子串或绝缘子对检测效率。由于绝缘子串成对出现时，如果训练模型检测单个绝缘子串，与其成对的绝缘子串会对模型检测结果造成影响，增大了模型检测难度，本实施例中将成对的绝缘子串标注为玻璃绝缘子对、陶瓷绝缘子对、复合绝缘子对以及其他绝缘子对几类，将单个绝缘子串标注为玻璃绝缘子串、陶瓷绝缘子串、复合绝缘子串以及其他绝缘子串几类，通过这种方式，指导深度学习神经网络学习表现力更强、更容易分类和检测的特征，深度学习神经网络利用这些特征实现检测和分类的效果，进一步提升了模型检测精度。
75.具体地，所述步骤s101，包括：在获取到待检测图像时，将所述待检测图像输入至训练好的绝缘子检测模型，以检测所述待检测图像是否存在绝缘子对或绝缘子串；确定各绝缘子对类别或各绝缘子串类别对应的置信度；从各绝缘子对类别或各绝缘子串类别选择置信度最高的目标类别，并确定所述目标类别对应的绝缘子检测框。
76.应当理解的是，针对同一个绝缘子检测框，训练好的绝缘子检测模型只输出置信度最高的类别，进一步提高检测率和识别率。
77.进一步地，所述步骤s101之前，所述方法还包括：若第四样本图像中存在绝缘子串缺失缺陷，则框选缺失位置以及与缺失位置相邻的绝缘子片，得到第一缺陷标注框，并为所述第一缺陷标注框标注缺失类别，根据所述第一缺陷标注框和所述缺失类别生成所述第四样本图像对应的缺陷标注信息；若第五样本图像中存在除绝缘子串缺失缺陷外的其他缺陷，则框选缺陷发生位置生成第二缺陷标注框，并为所述第二缺陷标注框标注缺陷类别，根据所述第二缺陷标注框和所述缺陷类别生成所述第五样本图像对应的缺陷标注信息；若第六样本图像中不存在绝缘子缺陷，则将空标注信息作为所述第六样本图像对应的缺陷标注信息。
78.需要说明的是，由于绝缘子缺失曲线容易与绝缘子末端产生混淆，导致绝缘子缺陷误识别，本实施例中将绝缘子缺失位置与左右两边相邻的绝缘子片合并起来标注，使得在利用标注好的样本图片对绝缘子缺陷检测模型训练后，模型学习到如何对绝缘子缺失缺陷进行检测，有效检测到绝缘子缺失缺陷，不会误检到绝缘子末端。其他类别缺陷(包括伞裙破损、根部断裂、rtv脱落、表面灼蚀等几类)只标注缺陷发生的位置。在检测绝缘子缺陷时，先检测绝缘子串或绝缘子对，然后在绝缘子串或绝缘子串区域内检测绝缘子缺陷，降低了绝缘子缺陷误检率。
79.进一步地，所述步骤s101之后，所述方法还包括：对所述样本图像分别进行旋转处理、翻转处理以及马赛克增强，以增加样本图像数量；根据所述样本图像、处理后的样本图像以及所述标注信息生成训练集；根据所述训练集对绝缘子检测模型和绝缘子缺陷检测模型进行训练，得到训练好的绝缘子检测模型和训练好的绝缘子缺陷检测模型
80.应当理解的是，在训练模型时采用数据拼接、旋转处理、翻转处理以及马赛克增强等方式增加训练样本数，增加训练样本覆盖的情况。采用聚类的方法确定搜索框尺寸的多个最佳备选值，避免了因为搜索框太大、太小或高宽比不适中而检测不到目标。
81.步骤s102：根据所述样本图像和所述绝缘子标注信息对绝缘子检测模型进行训练，得到训练好的绝缘子检测模型。
82.步骤s103：根据所述样本图像和所述缺陷标注信息对绝缘子缺陷检测模型进行训练，得到训练好的绝缘子缺陷检测模型。
83.需要说明的是，本实施例中将样本图像和对应的标注信息输入至绝缘子检测模型，绝缘子检测模型对样本图像进行识别，输出第一预测结果，第一预测结果包括预测检测框，将预测检测框按照预设比例进行放大，得到目标预测检测框，将目标预测检测框对应的图像输入至绝缘子缺陷检测模型，绝缘子缺陷检测模型进行缺陷检测，输出第二预测结果，根据绝缘子标注信息、第一预测结果、缺陷标注信息和第二预测结果确定联合损失值，判断联合损失值是否小于预设阈值，若是，则表征绝缘子检测模型以及绝缘子缺陷检测模型训练完成，若否，则继续进行迭代学习，直到联合损失值小于预设阈值或迭代次数达到最大迭代次数，得到训练好的绝缘子检测模型和训练好的绝缘子缺陷检测模型。
84.本实施例通过获取样本图像和对应的标注信息，其中，标注信息包括绝缘子标注信息和缺陷标注信息；根据样本图像和绝缘子标注信息对绝缘子检测模型进行训练，得到训练好的绝缘子检测模型；根据样本图像和缺陷标注信息对绝缘子缺陷检测模型进行训练，得到训练好的绝缘子缺陷检测模型；在获取到待检测图像时，根据训练好的绝缘子检测模型从待检测图像中检测绝缘子对或绝缘子串，得到绝缘子检测框；按照预设比例对绝缘子检测框进行放大，得到目标检测框；根据训练好的绝缘子缺陷检测模型从目标检测框对应的图像中检测绝缘子缺陷，得到绝缘子缺陷检测结果。通过上述方式，利用样本图像和标注信息对模型进行训练，利用训练好的模型在采集图像后自动进行绝缘子检测和绝缘子缺陷检测，确定绝缘子缺陷的发生位置，降低了人工巡检成本，提高了检测效率，对检测得到的绝缘子检测框进行放大，对绝缘子对或绝缘子串及周围图像进行缺陷检测，避免了缺陷位置超出目标检测框造成的误检测，提高了绝缘子缺陷检测精度。
85.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有绝缘子缺陷检测程序，所述绝缘子缺陷检测程序被处理器执行时实现如上文所述的绝缘子缺陷检测方法。
86.由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
87.参照图4，图4为本发明绝缘子缺陷检测装置第一实施例的结构框图。
88.如图4所示，本发明实施例提出的绝缘子缺陷检测装置包括：
89.绝缘子检测模块10，用于在获取到待检测图像时，根据训练好的绝缘子检测模型从所述待检测图像中检测绝缘子对或绝缘子串，得到绝缘子检测框。
90.调整模块20，用于按照预设比例对所述绝缘子检测框进行放大，得到目标检测框。
91.缺陷检测模块30，用于根据训练好的绝缘子缺陷检测模型从所述目标检测框对应的图像中检测绝缘子缺陷，得到绝缘子缺陷检测结果。
92.应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
93.本实施例中在获取到待检测图像时，根据训练好的绝缘子检测模型从待检测图像中检测绝缘子对或绝缘子串，得到绝缘子检测框；按照预设比例对绝缘子检测框进行放大，得到目标检测框；根据训练好的绝缘子缺陷检测模型从目标检测框对应的图像中检测绝缘子缺陷，得到绝缘子缺陷检测结果。通过上述方式，在采集图像后自动进行绝缘子检测和绝
缘子缺陷检测，确定绝缘子缺陷的发生位置，降低了人工巡检成本，提高了检测效率，对检测得到的绝缘子检测框进行放大，对绝缘子对或绝缘子串及周围图像进行缺陷检测，避免了缺陷位置超出目标检测框造成的误检测，提高了绝缘子缺陷检测精度。
94.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
95.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的绝缘子缺陷检测方法，此处不再赘述。
96.在一实施例中，所述调整模块20，还用于确定所述目标检测框中多个绝缘子片对应的主方向，根据所述主方向对所述目标检测框进行旋转，以使所述目标检测框中绝缘子对或绝缘子串处于水平方向，得到旋转处理后的目标检测框；
97.所述缺陷检测模块30，还用于根据训练好的绝缘子缺陷检测模型从所述旋转处理后的目标检测框对应的图像中检测绝缘子缺陷，得到绝缘子缺陷检测结果。
98.在一实施例中，所述绝缘子缺陷检测装置还包括训练模块；
99.所述训练模块，用于获取样本图像和对应的标注信息，其中，所述标注信息包括绝缘子标注信息和缺陷标注信息，根据所述样本图像和所述绝缘子标注信息对绝缘子检测模型进行训练，得到训练好的绝缘子检测模型，根据所述样本图像和所述缺陷标注信息对绝缘子缺陷检测模型进行训练，得到训练好的绝缘子缺陷检测模型。
100.在一实施例中，所述绝缘子缺陷检测装置还包括绝缘子标注模块；
101.所述绝缘子标注模块，用于：
102.若第一样本图像中存在成对的绝缘子串，则框选绝缘子对得到第一标注框，并根据绝缘子串特征为所述第一标注框标注绝缘子对类别，根据所述第一标注框和所述绝缘子对类别生成所述第一样本图像对应的绝缘子标注信息，其中，所述绝缘子对类别为玻璃绝缘子对、陶瓷绝缘子对、复合绝缘子对或其他绝缘子对；
103.若第二样本图像中包含单个绝缘子串，则框选绝缘子串得到第二标注框，并根据绝缘子串特征为所述第二标注框标注绝缘子串类别，根据所述第二标注框和所述绝缘子串类别生成所述第二样本图像对应的绝缘子标注信息，其中，所述绝缘子串类别为玻璃绝缘子串、陶瓷绝缘子串、复合绝缘子串或其他绝缘子串；
104.若第三样本图像中不包含绝缘子串，则将空标注信息作为所述第三样本图像对应的绝缘子标注信息。
105.在一实施例中，所述绝缘子检测模块10，还用于在获取到待检测图像时，将所述待检测图像输入至训练好的绝缘子检测模型，以检测所述待检测图像是否存在绝缘子对或绝缘子串，确定各绝缘子对类别或各绝缘子串类别对应的置信度，从各绝缘子对类别或各绝缘子串类别选择置信度最高的目标类别，并确定所述目标类别对应的绝缘子检测框。
106.在一实施例中，所述绝缘子缺陷检测装置还包括缺陷标注模块；
107.所述缺陷标注模块，用于：
108.若第四样本图像中存在绝缘子串缺失缺陷，则框选缺失位置以及与缺失位置相邻的绝缘子片，得到第一缺陷标注框，并为所述第一缺陷标注框标注缺失类别，根据所述第一缺陷标注框和所述缺失类别生成所述第四样本图像对应的缺陷标注信息；
109.若第五样本图像中存在除绝缘子串缺失缺陷外的其他缺陷，则框选缺陷发生位置生成第二缺陷标注框，并为所述第二缺陷标注框标注缺陷类别，根据所述第二缺陷标注框和所述缺陷类别生成所述第五样本图像对应的缺陷标注信息；
110.若第六样本图像中不存在绝缘子缺陷，则将空标注信息作为所述第六样本图像对应的缺陷标注信息。
111.在一实施例中，所述训练模块，还用于对所述样本图像分别进行旋转处理、翻转处理以及马赛克增强，以增加样本图像数量，根据所述样本图像、处理后的样本图像以及所述标注信息生成训练集，根据所述训练集对绝缘子检测模型和绝缘子缺陷检测模型进行训练，得到训练好的绝缘子检测模型和训练好的绝缘子缺陷检测模型。
112.此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
113.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
114.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
115.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。