输电线路缺陷检测方法与流程

本发明涉及线路缺陷检测，属于图像检测领域。

背景技术：

1、及时排除输电线路的缺陷是确保输电线安全运行的关键。目前，解决输电线缺陷检测的问题的方法，可以分为两类：数字图像处理方法和机器学习方法。

2、数字图像处理方法利用小波变换、图像分割等处理方法定位和识别输电线缺陷，但易受拍摄背景、光线及噪声的影响，使得检测精度差。

3、机器学习方法能够表征输电线缺陷的特征，但是特征的选择过分依赖设计者的经验，也使得检测精度差。

技术实现思路

1、本发明的目的是为了解决现有输电线路的缺陷检测方法，检测精度差的问题，提出了输电线路缺陷检测方法。

2、输电线路缺陷检测方法，所述方法包括以下内容：

3、步骤1、对无人机采集的每张巡检输电线路图像进行图像处理，得到清晰的图像；

4、步骤2、对每张清晰的图像中的电线缺陷位置进行标注，得到包含缺陷的巡检输电线路图像；

5、步骤3、对包含缺陷的巡检输电线路图像进行扩增处理，得到扩增后的包含缺陷的巡检输电线路图像；

6、步骤4、利用扩增后的包含缺陷的巡检输电线路图像对faster-rcnn网路进行训练，得到faster-rcnn的训练模型；

7、步骤5、将待检测的巡检输电线路图像输入至faster-rcnn的训练模型中，输出巡检输电线路图像上是否含有缺陷的检测结果。

8、优选地，步骤1中，对无人机采集的每张巡检输电线路图像进行图像处理，具体过程为：

9、步骤11、对无人机采集的每张巡检输电线路图像各转换成具有相同定义域的r通道、g通道和b通道的灰度值图像；

10、步骤12、将同一巡检输电线路图像的r通道、g通道和b通道的灰度值图像各进行降噪处理，各得到处理后的r通道、g通道和b通道的灰度值图像；

11、步骤13、将同一巡检输电线路图像处理后的r通道、g通道和b通道的灰度值图像合并成一个图像，形成合并后的图像；

12、步骤14、对合并后的图像依次进行去噪和滤波后，得到清晰的图像。

13、优选地，步骤3中，对包含缺陷的巡检输电线路图像进行扩增处理，具体过程为：

14、对每张包含缺陷的巡检输电线路图像各进行模糊处理、噪声添加和颜色变化，得到多张扩增后的包含缺陷的巡检输电线路图像。

15、优选地，缺陷指断股、散股、断线、烧伤和异物。

16、本发明的有益效果是：

17、对无人机采集的每张巡检输电线路图像进行处理，得到清晰的图像，其主要目的是消除掉图像中的无关信息，增强和恢复相关的信息，进行最大限度的简化数据，从而达到提高识别和增强检测效率的目的；

18、为了满足后续输电线缺陷检测要求，需要对样本图像进行扩增处理，制作输电线缺陷数据集；以便于模型能够快速、准确的识别出多种类型的缺陷，增加缺陷识别的准确性。

技术特征：

1.输电线路缺陷检测方法，其特征在于，所述方法包括以下内容：

2.根据权利要求1所述的输电线路缺陷检测方法，其特征在于，步骤1中，对无人机采集的每张巡检输电线路图像进行图像处理，具体过程为：

3.根据权利要求1所述的输电线路缺陷检测方法，其特征在于，步骤3中，对包含缺陷的巡检输电线路图像进行扩增处理，具体过程为：

4.根据权利要求1所述的输电线路缺陷检测方法，其特征在于，缺陷指断股、散股、断线、烧伤和异物。

技术总结
输电线路缺陷检测方法，属于图像检测领域。本发明的目的是为了解决现有输电线路的缺陷检测方法，检测精度差的问题。步骤1、对无人机采集的每张巡检输电线路图像进行图像处理，得到清晰的图像；步骤2、对每张清晰的图像中的电线缺陷位置进行标注，得到包含缺陷的巡检输电线路图像；步骤3、对包含缺陷的巡检输电线路图像进行扩增处理，得到扩增后的包含缺陷的巡检输电线路图像；步骤4、利用扩增后的包含缺陷的巡检输电线路图像对Faster‑RCNN网路进行训练，得到Faster‑RCNN的训练模型；步骤5、将待检测的巡检输电线路图像输入至Faster‑RCNN的训练模型中，输出巡检输电线路图像上是否含有缺陷的检测结果。本发明用于检测输电线路缺陷。

技术研发人员：王锴
受保护的技术使用者：国网黑龙江省电力有限公司牡丹江水力发电总厂
技术研发日：
技术公布日：2024/2/19