一种基于区域全卷积网络的绝缘子识别与定位方法及系统与流程

本发明涉及互联网，并且更具体地，涉及一种基于区域全卷积网络的绝缘子识别与定位方法及系统。

背景技术：

1、绝缘子作为分布广泛、数量众多的配件，可实现机械固定和电气绝缘功能，从而对维护电力线路的安全稳定运行发挥重要作用。绝缘子一旦发生故障，将降低电网的供电可靠性，严重时可能造成大面积停电，带来巨大的经济损失。因此为确保电网安全可靠运行，及时发现绝缘子运行状况至关重要。

2、红外热成像技术可以通过非接触式拍摄，以温度的形式显示目标装置辐射的红外热，它具有灵敏度高、对电场干扰免疫力强等优点，被广泛应用于电力行业。然而，电力红外图像数据的检测大多依赖于有经验的电力工程师的识别和分析，这种方法将耗费大量的人力和时间成本，严重降低电力设备状态检测的效率，无法满足智能运行和巡检的需要。因此本发明提供一种基于r-fcn的绝缘子识别定位方法，实现复杂环境下红外绝缘子图像的准确检测。

技术实现思路

1、根据本发明，提供了一种基于区域全卷积网络的绝缘子识别与定位方法及系统，以解决电力红外图像数据的检测大多依赖于有经验的电力工程师的识别和分析，这种方法将耗费大量的人力和时间成本，严重降低电力设备状态检测的效率，无法满足智能运行和巡检的需要的技术问题。

2、根据本发明的第一个方面，提供了一种基于区域全卷积网络的绝缘子识别与定位方法，包括：

3、采用迁移学习初始化基于区域全卷积网络模型权重，确定基于区域全卷积网络模型的批次和迭代次数；

4、基于所述区域全卷积网络模型的批次和迭代次数，对所述区域全卷积网络模型进行迭代训练，直至区域全卷积网络模型损耗值趋于稳定，确定训练好的区域全卷积网络模型；

5、根据训练好的区域全卷积网络模型，对绝缘子进行识别与定位。

6、可选地，基于区域全卷积网络模型由一个完全卷积网络组成，其网络结构包括一张卷积特征图，一个特征提取网络，一个区域建议网络生成建议和一个位置敏感的感兴趣区域子网检测网络。

7、可选地，基于区域全卷积网络模型将全卷积层的特征图与多层卷积核做运算，生成位置敏感的分数图，将位置敏感的感兴趣区域和位置敏感的分数图输入后面的softmax层进行投票，定位和识别出的物体位置和类别。

8、可选地，特征提取网络构建了一个残差模块，所述残差模块有两个分支，即短路连接支路和卷积转移支路，其中卷积分支由两个卷积层和一个线性整流函数组成。

9、可选地，区域建议网络以卷积特征图作为输入，用于生成对象的候选区域。

10、可选地，将特征映射输入区域建议网络后，生成一组候选框和相应的分数，特征图选取一个n×n大小的滑动窗口，每个输入窗口将预测k个绝缘子可能出现的候选区域，这些区域称为锚，每个锚由一定长宽比、尺寸和具有滑动窗口特性的锚点组成，其中，滑动窗口以锚点为中心，其大小为3×3，对应原图像中3种比例、3种尺寸的帧。

11、可选地，在定位过程中，为了使一个对象最终只保留一个候选框，使用非最大抑制删除冗馀框。

12、可选地，非最大抑制根据给定的交叉比率调整候选框，在计算锚箱卷积后，将在区域层获得4k个预测候选框的坐标信息，其中包括候选框中心点的位置x和y以及候选帧的宽度h和高度w；2k前景和背景分类分数信息在分类层中得到。

13、可选地，区域全卷积网络模型在特征提取网络的最后一层添加了位置敏感得分图卷积层，输出一个维数为k2(c+1)的位置敏感得分图，c代表目标类别数，1代表背景数；

14、将位置敏感的感兴趣区域检测网络中的全连通层替换为位置敏感的位置敏感的感兴趣区域池化层，在位置敏感得分图上执行池化操作，区域全卷积网络模型将每个位置敏感的感兴趣区域矩形框划分为k×k个网格区域，对于尺寸为w×h的矩形框，网格尺寸等于(w/k)(h/k)，位置敏感的感兴趣区域第(i,j)网格的c类池化操作如下：

15、

16、其中，(x0,y0)为roi左上角的坐标，bin(i,j)表示网格的区间范围，zi,j,c表示新生成的得分图，θ是网格学习参数，n是每个网格中的像素个数；池化过程完成后，对位置敏感的感兴趣区域进行选取，将k×k个网格求和得到(c+1)维输出，即为分类判断的得分，然后通过softmax层进行分类，此时的输出结果就是绝缘子的位置坐标和类别名称。

17、根据本发明的另一个方面，还提供了一种基于区域全卷积网络的绝缘子识别与定位系统，包括：

18、确定迭代次数模块，用于采用迁移学习初始化基于区域全卷积网络模型权重，确定基于区域全卷积网络模型的批次和迭代次数；迭代训练模型模块，用于基于所述区域全卷积网络模型的批次和迭代次数，对所述区域全卷积网络模型进行迭代训练，直至区域全卷积网络模型损耗值趋于稳定，确定训练好的区域全卷积网络模型；

19、识别定位绝缘子模块，用于根据训练好的区域全卷积网络模型，对绝缘子进行识别与定位。

20、从而，基于区域全卷积网络模型检测绝缘子不仅能准确定位绝缘子，而且还能对绝缘子进行检测，并且平均精度高。基于区域全卷积网络模型在绝缘子红外图像识别和定位方面具有很大的优势，具有实际应用价值，为绝缘子的状态评估和智能诊断奠定了基础。

技术特征：

1.一种基于区域全卷积网络的绝缘子识别与定位方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，

4.根据权利要求2所述的方法，其特征在于，

5.根据权利要求2所述的方法，其特征在于，

6.根据权利要求5所述的方法，其特征在于，

7.根据权利要求6所述的方法，其特征在于，

8.根据权利要求7所述的方法，其特征在于，

9.根据权利要求1所述的方法，其特征在于，

10.一种基于区域全卷积网络的绝缘子识别与定位系统，其特征在于，包括：

技术总结
本发明公开了一种基于区域全卷积网络的绝缘子识别与定位方法及系统。其中该方法包括：采用迁移学习初始化基于区域全卷积网络模型权重，确定基于区域全卷积网络模型的批次和迭代次数；基于所述区域全卷积网络模型的批次和迭代次数，对所述区域全卷积网络模型进行迭代训练，直至区域全卷积网络模型损耗值趋于稳定，确定训练好的区域全卷积网络模型；根据训练好的区域全卷积网络模型，对绝缘子进行识别与定位。

技术研发人员：牧晓菁,黄华,刘勇,熊俊军,刘彬,邓小聘,万罡,万德锋,黄咏喜,王晓周,刘西超,杨帆,刘松源
受保护的技术使用者：中国电力科学研究院有限公司武汉分院
技术研发日：
技术公布日：2024/2/25