一种基于模型融合绝缘子放电缺陷自适应识别方法及系统与流程

本技术涉及在线监测，更具体地，涉及一种基于模型融合绝缘子放电缺陷自适应识别方法及系统。

背景技术：

1、目前绝缘子绝缘子是一种特殊的绝缘控件，安装在不同电位的导体或导体与接地构件之间，实现电气绝缘和机械固定。绝缘子绝缘子内部缺陷在不同发展阶段，具有不同的紫外表现特征，如内部酥朽缺陷发展至护套发生破损后，将出现明显的紫外放电；严重积污引发爬电后，绝缘子绝缘子表面也将出现严重的紫外放电，甚至造成绝缘击穿，进而会损坏整条线路的使用。

2、因此，实时监测绝缘子绝缘子放电过程，判断放电区域大小，通过放电长度来诊断放电缺陷等级对于架空线路上电网长距离传输的稳定运行至关重要。然而目前针对绝缘子绝缘子的缺陷巡视，输电线路主要是运用无人机进行，而变电站主要是运用智能巡检机器人进行。但这两种方法都是在现场采集大量视频或图片后，由人工判定绝缘子绝缘子是否存在放电缺陷以及放电缺陷的严重程度。而巡航无人机和巡检机器人又不具备自动识别放电缺陷及程度的能力。并且采集到的绝缘子绝缘子视频或图片存在各种倾斜角度，对机器的识别能力也会有较高要求。

技术实现思路

1、针对现有技术的至少一个缺陷或改进需求，本发明提供了一种基于模型融合绝缘子放电缺陷自适应识别方法及系统，基于多边形最大外接圆和最大外接矩形的自适应方法等联合解决方法，实现对视频和图片中的绝缘子进行放电缺陷的高效识别并正确判定绝缘子放电缺陷风险等级，为进一步绝缘子放电缺陷诊断提供重要支撑依据。

2、为实现上述目的，按照本发明的第一个方面，提供了一种基于模型融合绝缘子放电缺陷自适应识别方法，该方法包括：

3、获取绝缘子的图片数据集，对所述图片数据集进行第一图像处理，获得第一样本集，并依据所述第一样本集构建生成第一目标检测模型，所述第一目标检测模型为单阶段目标检测模型；

4、对所述图片数据集进行第二图像处理，获得第二样本集，并依据所述第二样本集构建生成第二目标检测模型，所述第二目标检测模型为双阶段目标检测模型；

5、与所述绝缘子的图片数据集相同采集手段下的待检测绝缘子的图片数据输入至所述第一目标检测模型获得第一坐标数据；并输入至第二目标检测模型获取第二坐标数据；解析所述第二坐标数据确定所述待检测绝缘子的状态信息；

6、对所述第一坐标数据和第二坐标数据进行融合分析获取所述待检测绝缘子的融合坐标数据，依据所述融合坐标数据计算获得所述待检测绝缘子的长度数据；

7、确定所述待检测绝缘子的图片数据中的紫外图片数据提取放电区域的外接多边形轮廓；并依据所述外接多边形轮廓与所述融合坐标数据进行计算获得所述待检测绝缘子放电区域的第一长度；

8、选择所述外接多边形轮廓中与所述待检测绝缘子方向相同的第一长度，以所述第一长度及所述长度数据计算所述放电区域在所述待检测绝缘子表面的长度占比。

9、进一步的，所述依据所述第二坐标数据确定所述待检测绝缘子的状态信息的步骤，包括：

10、解析所述第二坐标数据，对所述第二坐标数据进行计算获得所述待检测绝缘子的倾斜角度并进行状态分类，获得状态分类结果，所述状态分类结果包括待检测绝缘子的第一状态和第二状态；

11、所述第一状态为与第二坐标数据相同标记手段下的竖直或者水平状态；

12、所述第二状态为与第二坐标数据相同标记手段下的倾斜状态。

13、进一步的，所述对所述第一坐标数据和第二坐标数据进行融合分析获取所述待检测绝缘子的融合坐标数据的步骤，包括：

14、若所述待检测绝缘子的状态分类结果为第一状态，则将所述第一坐标数据作为所述待检测绝缘子的融合坐标数据；

15、若所述待检测绝缘子的状态分类结果为第二状态，则将所述第一坐标数据和第二坐标数据进行交并比计算，获取交并比最大的第二坐标数据作为融合坐标数据。

16、进一步的，所述确定所述待检测绝缘子的图片数据中的紫外图片数据提取放电区域的外接多边形轮廓的步骤，包括：

17、确定所述待检测绝缘子的图片数据中的紫外图片数据中的放电区域，对所述放电区域采用多边形逼近的方法进行轮廓包围，获得放电区域外接多边形轮廓；所述外接多边形轮廓，包括最大外接矩形和最大外接圆。

18、进一步的，所述依据所述外接多边形轮廓与所述融合坐标数据进行计算获得所述待检测绝缘子放电区域的第一长度的步骤，包括：

19、若所述待检测绝缘子的状态分类结果为第一状态，则计算获取所述外接多边形轮廓在第一方向轴或第二方向轴上的最大和最小坐标之间的差值作为第一长度。

20、进一步的，所述依据所述外接多边形轮廓与所述融合坐标数据进行计算获得所述待检测绝缘子放电区域的第一长度的步骤，还包括：

21、若所述待检测绝缘子的状态分类结果为第二状态，则判定所述放电区域沿第一方向轴的第一最大长度及沿第二方向轴的第二最大长度，所述第一方向轴及所述第二方向轴垂直；所述第一最大长度为所述外接多边形轮廓在第一方向轴上的最大和最小坐标之间的差值；第二最大长度为所述外接多边形轮廓在第二方向轴上的最大和最小坐标之间的差值；

22、当所述第一最大长度大于或等于所述第二最大长度时，确定所述多边形轮廓为最大外接矩形，计算获得所述最大外接矩形平行于所述绝缘子的切割线长度以作为第一长度；

23、当所述第二最大长度大于或等于所述第一最大长度时，确定所述多边形轮廓为最大外接圆形，计算获得所述最大外接圆的直径以作为第一长度。

24、进一步的，所述长度占比的计算公式如下：

25、

26、其中，ljyz为所述目标绝缘子的长度，lcontours为所述待检测绝缘子放电区域的第一长度。

27、按照本发明的第二个方面，还提供了一种基于模型融合的绝缘子放电缺陷自适应识别系统，其特征在于，包括：

28、第一图像处理单元：用于获取绝缘子的图片数据集，对所述图片数据集进行第一图像处理，获得第一样本集，并依据所述第一样本集构建生成第一目标检测模型，所述第一目标检测模型为单阶段目标检测模型；

29、第二图像处理单元：对所述图片数据集进行第二图像处理，获得第二样本集，并依据所述第二样本集构建生成第二目标检测模型，所述第二目标检测模型为双阶段目标检测模型；

30、图片处理单元：用于将与所述绝缘子的图片数据集相同采集手段下的待检测绝缘子的图片数据输入至所述第一目标检测模型获得第一坐标数据；并输入至第二目标检测模型获取第二坐标数据；解析所述第二坐标数据确定所述待检测绝缘子的状态信息；

31、融合数据分析单元：用于对所述第一坐标数据和第二坐标数据进行融合分析获取所述待检测绝缘子的融合坐标数据，依据所述融合坐标数据计算获得所述待检测绝缘子的长度数据；

32、放电区域分析单元：用于确定所述待检测绝缘子的图片数据中的紫外图片数据提取放电区域的外接多边形轮廓；并依据所述外接多边形轮廓与所述融合坐标数据进行计算获得所述待检测绝缘子放电区域的第一长度；

33、评估单元：用于选择所述外接多边形轮廓中与所述待检测绝缘子方向相同的第一长度，以所述第一长度及所述长度数据计算所述放电区域在所述待检测绝缘子表面的长度占比。

34、总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

35、(1)本发明通过分析架空线路绝缘子位置信息和紫外放电特点，采用基于目标检测的模型融合算法、基于hsv颜色空间的紫外放电区域提取、基于多边形最大外接圆和最大外接矩形的自适应方法等联合解决方法，既能稳定地检测竖直和水平方向的绝缘子，又能实时检测倾斜绝缘子绝缘子的坐标及倾斜角、从而计算放电区域沿绝缘子倾斜角度的长度占比，进而有效判定绝缘子放电区域、精确计算紫外图像放电区域长度占比、正确判定绝缘子放电缺陷风险等级，实现绝缘子放电缺陷的自适应识别。为进一步绝缘子放电缺陷诊断提供重要支撑依据。

36、(2)本发明通过对至少两个深度学习目标检测模型的训练，完成对架空线路位子信息的智能化识别，在保证较高稳定性的同时，提高检测竖直和水平方向的绝缘子的效率和精确度，保证倾斜绝缘子的数据完整度和精确度，减少了人力成本，提高了检测的精准度，为进一步的绝缘子放电诊断提供有效支撑依据。