基于深度学习的输电线路绝缘子缺陷检测系统

本发明涉及输电线路绝缘子缺陷检测，具体为基于深度学习的输电线路绝缘子缺陷检测系统。

背景技术：

1、由于当今社会电力系统的快速发展，电力设备的架设区域不断扩大，使得输电线路不断延伸，因此对输电线路的状态进行定期监测具有十分重要的意义，绝缘子是输电线路的重要部件，起着机械固定和电气绝缘的作用，但因其长期暴露在户外并且工作在高压环境下，使得绝缘子非常容易受到损害，从而严重影响到电力系统的安全稳定运行，因此，绝缘子缺陷检测是输电线路巡检的重要任务之一。

2、目前，绝缘子缺陷检测一般依靠人眼观察，通过派遣工作人员沿输电线路进行绝缘子状态观测，这种人工巡检方式需要大量的人力投入，并且效率十分低下，而直升机巡检的引入在一定程度上缓解了人工巡检的低效，但成本太高且灵活性低使其达不到大规模应用，所以目前无人机巡检开始逐渐普及，但是无人机巡检在实际应用过程中仍然存在诸多问题，无人机采集的绝缘子图像信息，受外界环境的影响较大，例如噪声、光线、雾霾等，这些外界因素的干扰，会对采集到的绝缘子图像信息造成很大干扰，如：绝缘子图像信息错误、绝缘子图像信息模糊等，并且无人机采集的绝缘子图像信息，仍然需要人工进行识别，以判断缺陷绝缘子的数量、类型和位置等，导致自动化程度不高，输电线路绝缘子缺陷检测的效率较低，故而我们提出了基于深度学习的输电线路绝缘子缺陷检测系统。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了基于深度学习的输电线路绝缘子缺陷检测系统，具备绝缘子缺陷检测高精度、高效率的优点，解决了无人机采集的绝缘子图像信息，受外界环境的影响较大，例如噪声、光线、雾霾等，这些外界因素的干扰，会对采集到的绝缘子图像信息造成很大干扰，如：绝缘子图像信息错误、绝缘子图像信息模糊等，并且无人机采集的绝缘子图像信息，仍然需要人工进行识别，以判断缺陷绝缘子的数量、类型和位置等，导致自动化程度不高，输电线路绝缘子缺陷检测的效率较低的问题。

3、(二)技术方案

4、为实现上述绝缘子缺陷检测高精度、高效率目的，本发明提供如下技术方案：基于深度学习的输电线路绝缘子缺陷检测系统，包括数据采集模块、数据预处理模块、特征提取模块、模型训练模块、缺陷检测模块和结果输出模块；

5、所述数据采集模块包括绝缘子图像采集设备、绝缘子图像传输模块和绝缘子图像存储模块；

6、所述数据预处理模块包括图像去噪模块、图像增强模块、图像裁剪模块、数据增强模块和数据划分模块；

7、所述特征提取模块包括卷积层模块、池化层模块、归一化层模块、激活层模块、特征选择模块和特征降维模块；

8、所述模型训练模块包括模型选择模块、模型初始化模块、损失函数模块、优化器模块、批处理模块、正则化模块、模型评估模块和模型保存模块；

9、所述缺陷检测模块包括图像预处理模块、特征提取模块、缺陷检测模块、缺陷定位模块、缺陷分割模块和可视化模块；

10、所述结果输出模块包括结果可视化模块、结果存储模块、结果传输模块和报告生成模块。

11、优选的，所述数据采集模块中的绝缘子图像采集设备为配备高清摄像头的无人机，绝缘子图像采集设备采集到的绝缘子图像信息被存储在绝缘子图像存储模块。

12、优选的，所述数据预处理模块中的图像去噪模块通过使用滤波算法对采集到的绝缘子图像信息进行去噪处理，以减少后续特征提取和模型训练的误差，图像增强模块用于提高采集到的绝缘子图像信息的亮度和对比度，以便于后续特征提取和模型训练。

13、优选的，所述特征提取模块中的卷积层模块，采用卷积神经网络深度学习模型，对预处理后的绝缘子图像信息进行卷积操作，提取出对绝缘子缺陷检测所需的绝缘子边缘和绝缘子纹理。

14、优选的，所述模型训练模块中的模型选择模块，通过结合输电线路绝缘子缺陷检测的实际需求，选择卷积神经网络模型和循环神经网络模型中的一种深度学习模型。

15、优选的，所述模型训练模块中的优化器模块可以选择适合深度学习模型的优化算法，而优化算法包括自适应的梯度下降算法、随机梯度下降算法、批量梯度下降算法以及小批量梯度下降算法。

16、优选的，所述模型训练模块中的模型评估模块，可对训练后的深度学习模型的性能进行评估，评估指标包括计算准确率、精确率和召回率。

17、优选的，所述结果输出模块中的可视化模块与外部显示设备电连接，可将输电线路绝缘子缺陷信息可视化显示，并且可通过报告生成模块生成输电线路绝缘子缺陷信息报告，输电线路绝缘子缺陷信息报告包括绝缘子缺陷的数量、绝缘子缺陷位置以及绝缘子缺陷类型。

18、(三)有益效果

19、与现有技术相比，本发明提供了基于深度学习的输电线路绝缘子缺陷检测系统，具备以下有益效果：

20、1、该基于深度学习的输电线路绝缘子缺陷检测系统，通过设置的数据预处理模块，对采集到的图像数据进行预处理，包括去除噪声、调整图像亮度和对比度，通过设置的特征提取模块，高效且智能化的对预处理后的图像数据进行特征提取，包括绝缘子缺陷的边缘、纹理、数量、类型和位置，通过对采集到的绝缘子图像数据信息进行数据预处理和绝缘子缺陷特征提取以后，经由结果输出模块呈现给工作人员的绝缘子缺陷图像信息更加的清晰，也更加的直观，相较于现有技术，双重处理后的绝缘子缺陷图像信息也更加的精确。

21、2、该基于深度学习的输电线路绝缘子缺陷检测系统，通过模型训练模块，使用预处理后的绝缘子图像数据信息和提取出的绝缘子缺陷特征，训练出具有良好泛化能力的深度学习模型，并通过缺陷检测模块，使用训练好的深度学习模型对预处理后的绝缘子图像进行自动化的缺陷检测，判断绝缘子是否存在缺陷，并对缺陷进行自动化分类、自动化定位和自动化识别，从而可以实现自动化的缺陷检测，减少了人工干预的需求，提高了检测效率和准确性，而通过提取出有效的特征信息，并通过模型训练和优化，能够达到较高的缺陷检测准确率，可以更准确地识别和定位缺陷，也可以更快速地完成绝缘子缺陷检测任务。

技术特征：

1.基于深度学习的输电线路绝缘子缺陷检测系统，其特征在于，包括数据采集模块、数据预处理模块、特征提取模块、模型训练模块、缺陷检测模块和结果输出模块；

2.根据权利要求1所述的基于深度学习的输电线路绝缘子缺陷检测系统，其特征在于，所述数据采集模块中的绝缘子图像采集设备为配备高清摄像头的无人机，绝缘子图像采集设备采集到的绝缘子图像信息被存储在绝缘子图像存储模块。

3.根据权利要求1所述的基于深度学习的输电线路绝缘子缺陷检测系统，其特征在于，所述数据预处理模块中的图像去噪模块通过使用滤波算法对采集到的绝缘子图像信息进行去噪处理，以减少后续特征提取和模型训练的误差，图像增强模块用于提高采集到的绝缘子图像信息的亮度和对比度，以便于后续特征提取和模型训练。

4.根据权利要求1所述的基于深度学习的输电线路绝缘子缺陷检测系统，其特征在于，所述特征提取模块中的卷积层模块，采用卷积神经网络深度学习模型，对预处理后的绝缘子图像信息进行卷积操作，提取出对绝缘子缺陷检测所需的绝缘子边缘和绝缘子纹理。

5.根据权利要求1所述的基于深度学习的输电线路绝缘子缺陷检测系统，其特征在于，所述模型训练模块中的模型选择模块，通过结合输电线路绝缘子缺陷检测的实际需求，选择卷积神经网络模型和循环神经网络模型中的一种深度学习模型。

6.根据权利要求1所述的基于深度学习的输电线路绝缘子缺陷检测系统，其特征在于，所述模型训练模块中的优化器模块可以选择适合深度学习模型的优化算法，而优化算法包括自适应的梯度下降算法、随机梯度下降算法、批量梯度下降算法以及小批量梯度下降算法。

7.根据权利要求1所述的基于深度学习的输电线路绝缘子缺陷检测系统，其特征在于，所述模型训练模块中的模型评估模块，可对训练后的深度学习模型的性能进行评估，评估指标包括计算准确率、精确率和召回率。

8.根据权利要求1所述的基于深度学习的输电线路绝缘子缺陷检测系统，其特征在于，所述结果输出模块中的可视化模块与外部显示设备电连接，可将输电线路绝缘子缺陷信息可视化显示，并且可通过报告生成模块生成输电线路绝缘子缺陷信息报告，输电线路绝缘子缺陷信息报告包括绝缘子缺陷的数量、绝缘子缺陷位置以及绝缘子缺陷类型。

技术总结
本发明涉及输电线路绝缘子缺陷检测技术领域，且公开了基于深度学习的输电线路绝缘子缺陷检测系统，包括数据采集模块、数据预处理模块、特征提取模块、模型训练模块、缺陷检测模块和结果输出模块。该基于深度学习的输电线路绝缘子缺陷检测系统，通过设置的数据预处理模块，对采集到的图像数据去除噪声、调整图像亮度和对比度，通过设置的特征提取模块，高效且智能化的对预处理后的图像数据进行特征提取，包括绝缘子缺陷的边缘、纹理、数量、类型和位置，使得经由结果输出模块呈现给工作人员的绝缘子缺陷图像信息更加的清晰，也更加的直观，相较于现有技术，双重处理后的绝缘子缺陷图像信息也更加的精确。

技术研发人员：辛平,姚欣,卜剑秋
受保护的技术使用者：北华大学
技术研发日：
技术公布日：2024/2/21