一种基于色域融合的电力设备故障识别标注方法及系统与流程

本发明涉及电力系统无人机目标识别与故障检测的，特别涉及一种基于色域融合的电力设备故障识别标注方法及系统。

背景技术：

1、近些年来，随着我国经济的飞速发展，各领域用电量的持续提高，使得电力线路规模不断变大。由于电力设备长期处于户外的环境中，长时间风吹雨打必定会影响其性能，甚至会造成电力事故，因此需要对设备定期巡检以保证系统的正常运行。

2、在过去，定期巡检均是由人工完成，需要的人员多，工作量大，户外环境恶劣。随着无人机这一行业的兴起和机器视觉技术的逐渐成熟，让无人机替代部分人工巡检工作变为可能。然而，电力设备所处的环境往往复杂多变，这给检测带来了大大的挑战。在这一实际背景下，学界与产业界开展了无人机巡检电力线路图像中的绝缘子、塔牌、螺栓、防震锤等物体的目标检测和缺陷识别研究。

3、目前，国内外已经有一些学者通过无人机航拍的图像进行研究分析，大多数都是先对图像预处理之后提取特征，然后采取相应的算法分析。但是这些都是采用干净、角度好的图片。而现实中无人机航拍的图片往往带有噪声和有模糊的地方，而且角度不一定好，再加上输电线路背景复杂，往往处于耕地、河流、森林、草地之中，这些外部环境因素都是目前无人机巡检所面临的巨大挑战。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种基于色域融合的电力设备故障识别与标注方法、系统，可提高故障的识别效率以及准确率。

2、为了解决所述技术问题，本发明的一方面，提供一种基于色域融合的电力设备故障识别标注方法，其包括如下步骤：

3、步骤s10，采用设置于无人机上的相机对待检测电力设备的至少一个区域进行拍照，获得每一区域的可见光图像、红外图像以及紫外图像；

4、步骤s11，将各区域的可见光图像、红外图像以及紫外图像实时传送给移动终端装置；

5、步骤s12，移动终端装置接收来自无人机的每一区域对应的可见光图像、红外图像以及紫外图像，根据选定的色域转换模式进行色域融合处理，并采用预先训练好的对应的故障识别标识模型进行识别处理；

6、步骤s13，输出故障识别标识模型的识别处理结果，所述识别处理结果至少包含标注有故障信息的故障设备图片。

7、优选地，所述步骤s12进一步包括：

8、步骤s120，移动终端装置对接收到的图像进行预处理，所述预处理包括清晰度判断以及图像降噪和图像强化处理，其中，对清晰度不符合要求的图片丢弃处理，对符合要求的图片进行存储，并为每一图像创建表单，包含原始图像、经纬度以及采集区域信息；

9、步骤s121，将同一区域的预处理过的可见光图像、红外图像以及紫外图像进行色域转换，转换成rgb之外的至少一种色域；

10、步骤s122，将转换色域之后的可见光图像、红外图像以及紫外图像进行拼接，形成输入数据矩阵；

11、步骤s123，将所述输入数据矩阵输入与所选择色域转换模式相对应的预先训练好的故障识别标识模型进行识别处理。

12、优选地，所述步骤s121进一步包括：

13、选择本次的色域转换模式，所述色域转换模式为将所述可见光图像、红外图像以及紫外图像的色域同时转换为rgb之外的至少一种色域；或者将所述可见光图像、红外图像以及紫外图像分别转换为rgb之外的一种色域；其中，所述rgb之外的色域为hsb色域、lab色域、yuv色域、灰度色域及预定义的色域；

14、根据存储有每一色域转换模式对应的转换计算公式对可见光图像、红外图像以及紫外图像的色域进行转换。

15、优选地，所述步骤s13进一步包括：

16、根据故障识别标识模型的识别处理结果，在每一图像所对应的表单中补充是否含有故障、故障种类两类信息。

17、优选地，进一步包括：

18、预先建立每一色域转换模式所对应的故障识别标识模型，并进行训练，获得每一色域转换模式所对应的训练好的故障识别标识模型；所述故障识别标识模型采用svm、cnn、ssd、yolo及其变种目标识别算法中之一种。

19、相应地，本发明的另一方面，还提供一种基于色域融合的电力设备故障识别标注系统，其包括通过无线通信的无人机以及移动终端装置，其中：

20、所述无人机，其上设置有相机，用于对待检测电力设备的至少一个区域进行拍照，获得每一区域的可见光图像、红外图像以及紫外图像，并将将各区域的可见光图像、红外图像以及紫外图像实时传送给移动终端装置；

21、所述移动终端装置，用于控制无人机飞行及拍照，并接收来自无人机的每一区域对应的可见光图像、红外图像以及紫外图像，根据选定的色域转换模式进行色域融合处理，并采用预先训练好的对应的故障识别标识模型进行识别处理；并输出故障识别标识模型的识别处理结果，所述识别处理结果至少包含标注有故障信息的故障设备图片。

22、优选地，所述移动终端装置进一步包括：

23、无人机控制模块，用于控制无人机飞行及拍照；

24、预处理模块，用于对接收到的图像进行预处理，所述预处理包括清晰度判断以及图像降噪和图像强化处理，其中，对清晰度不符合要求的图片丢弃处理，对符合要求的图片进行存储，并为每一图像创建表单，包含原始图像、经纬度以及采集区域信息；

25、色域转换模块，用于将同一区域的预处理过的可见光图像、红外图像以及紫外图像进行色域转换，转换成rgb之外的至少一种色域；

26、拼接处理模块，用于将转换色域之后的可见光图像、红外图像以及紫外图像进行拼接，形成输入数据矩阵；

27、识别处理模块，将所述输入数据矩阵输入与所选择色域转换模式相对应的预先训练好的故障识别标识模型进行识别处理。

28、识别结果输出模块，用于输出故障识别标识模型的识别处理结果，所述识别处理结果至少包含标注有故障信息的故障设备图片。

29、优选地，所述色域转换模块进一步包括：

30、色域转换模式选择单元，用于选择本次的色域转换模式，所述色域转换模式为将所述可见光图像、红外图像以及紫外图像的色域同时转换为rgb之外的至少一种色域；或者将所述可见光图像、红外图像以及紫外图像分别转换为rgb之外的一种色域；其中，所述rgb之外的色域为hsb色域、lab色域、yuv色域、灰度色域及预定义的色域；

31、转换处理单元，用于根据存储有每一色域转换模式对应的转换计算公式对可见光图像、红外图像以及紫外图像的色域进行转换。

32、优选地，所述识别结果输出模块进一步用于：

33、根据故障识别标识模型的识别处理结果，在每一图像所对应的表单中补充是否含有故障、故障种类两类信息。

34、优选地，进一步包括：

35、训练处理模块，用于预先建立每一色域转换模式所对应的故障识别标识模型，并进行训练，获得每一色域转换模式所对应的训练好的故障识别标识模型；所述故障识别标识模型采用svm、cnn、ssd、yolo及其变种目标识别算法中之一种。

36、实施本发明实施例，具有如下有益效果：

37、本发明提供一种基于色域融合的电力设备故障识别标注方法及系统，通过采用无人机拍摄可见光图像、红外图像、紫外图像，并传送给地面的移动终端装置，移动终端装置对这些图像根据选定的色域转换模式进行色域融合处理，并采用预先训练好的对应的故障识别标识模型进行识别处理；即可获得故障识别标识模型的识别处理结果，而快速确定故障设备及相应的故障信息。实施本发明，可提高故障的识别效率以及准确率。