一種用于無人機(jī)巡檢輸電線路的絕緣子識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及數(shù)字圖像處理及模式識別技術(shù)在輸電線路設(shè)備檢測技術(shù)領(lǐng)域，尤其設(shè) 及一種高效的用于無人機(jī)巡檢輸電線路絕緣子的識別方法。
【背景技術(shù)】
[0002] 絕緣子是架空輸電線路中重要的組成部分，用來支持和固定母線與帶電導(dǎo)體、并 使帶電導(dǎo)體間或?qū)w與大地之間有足夠的距離和絕緣。由于架空輸電線路長期暴露在自然 環(huán)境中，受到自然或者人為因素的影響，存在線路老化和破壞等問題，如果不對該些問題進(jìn) 行定期檢查和檢修可能引起重大安全事故發(fā)生。
[0003] 人工巡線檢測效率低，而且危險(xiǎn)性高。隨著無人機(jī)技術(shù)的發(fā)展，通過無人機(jī)航拍技 術(shù)采集高壓線路圖像并對該些圖像信息進(jìn)行處理，可W減少人員成本并保證施工人員的安 全，同時(shí)可W提高工作效率。
[0004]由于輸電線路桿塔所在位置地理環(huán)境復(fù)雜，導(dǎo)致獲取的圖像背景也相對復(fù)雜，該 給后續(xù)目標(biāo)的識別與定位造成了困難，而且基于航拍圖像的輸電線路狀態(tài)檢測技術(shù)尚處于 起步階段，可參考文獻(xiàn)和研究成果較少。
[0005] 現(xiàn)有技術(shù)中，一類方法是利用顏色信息，使用最大闊值法、最大類間方差法對彩色 圖像進(jìn)行分割。存在的缺點(diǎn)；該類方法受光照的影響比較嚴(yán)重，而且輸電線路所處自然環(huán)境 復(fù)雜，有樹木，河流、道路等復(fù)雜背景，使得該類方法檢測準(zhǔn)確率不高。
[0006]另一類方法是利用絕緣子的片狀結(jié)構(gòu)的楠圓信息，用化U曲變換來檢測楠圓。存 在的缺點(diǎn)：由于拍攝角度的問題，片與片之間存在遮擋的情況，造成檢測誤差。

【發(fā)明內(nèi)容】

[0007] 為解決現(xiàn)有技術(shù)存在的不足，本發(fā)明公開了一種高效的用于無人機(jī)巡檢輸電線路 絕緣子識別方法，該技術(shù)利用深度學(xué)習(xí)方法通過對航拍到的輸電線路圖像資料進(jìn)行學(xué)習(xí)， 然后利用直線擬合方法計(jì)算絕緣子的角度信息，能夠完成對無人機(jī)航拍巡線圖像中絕緣子 的識別定位技術(shù)要求，提高對絕緣子檢測的準(zhǔn)確性和魯椿性。
[0008] 為實(shí)現(xiàn)上述目的，本發(fā)明的具體方案如下：
[0009] 一種用于無人機(jī)巡檢輸電線路的絕緣子識別方法，包括W下步驟：
[0010] 步驟一：圖像采集及處理；從輸電線路絕緣子圖像中提取用于訓(xùn)練的子圖像并進(jìn) 行初步處理，形成訓(xùn)練數(shù)據(jù)集；
[0011] 步驟二：對提取到的用于訓(xùn)練的子圖像進(jìn)行打包處理，添加圖像對應(yīng)的標(biāo)簽；
[0012] 步驟S;利用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)（CNN)算法對步驟一數(shù)據(jù)集中的數(shù)據(jù)進(jìn) 行訓(xùn)練，得到針對絕緣子的檢測模型；
[0013] 步驟四：絕緣子目標(biāo)區(qū)域檢測；對輸電線路圖像進(jìn)行檢測，獲取絕緣子目標(biāo)的候 選框；
[0014] 步驟五；對候選框進(jìn)行非極大值抑制，得到最終的絕緣子候選框；
[0015] 步驟六；對得到的最終的絕緣子候選框進(jìn)行直線擬合操作，獲取中屯、點(diǎn)，候選框的 角度和大小信息，最后在輸電線路絕緣子圖像上進(jìn)行標(biāo)注。
[0016] 所述步驟一中，圖像采集及處理過程是；在輸電線路絕緣子圖像中提取絕緣子部 件、桿塔和背景的區(qū)域圖像，將提取到的圖像進(jìn)行縮放處理，對提取到的絕緣子進(jìn)行角度的 旋轉(zhuǎn)操作。
[0017] 所述步驟S中，用卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行模型訓(xùn)練時(shí)：
[0018] 首先設(shè)置初始訓(xùn)練使用的模板參數(shù)，其中包括卷積神經(jīng)網(wǎng)絡(luò)的層數(shù)，卷積核的大 小，各個(gè)節(jié)點(diǎn)的初始權(quán)重，是否使用下采樣處理，每層數(shù)據(jù)輸入輸出的個(gè)數(shù)，激活函數(shù)，每層 卷積神經(jīng)網(wǎng)絡(luò)的梯度下降的學(xué)習(xí)效率。
[0019] 所述步驟=中，具體的基于卷積神經(jīng)網(wǎng)絡(luò)的絕緣子檢測模型訓(xùn)練過程包括W下步 驟：
[0020] 3-1)前向傳導(dǎo)（Fee壯orward化SS);將輸入的彩色圖像分RGBS通道提取像素信 息，作為卷積神經(jīng)網(wǎng)絡(luò)的輸入信息；
[0021] 3-2)后向傳導(dǎo)炬ackPropagationPass);優(yōu)化前向傳導(dǎo)得到的類別標(biāo)簽與樣本 實(shí)際標(biāo)簽間的損失函數(shù)。
[0022] 所述步驟3-1)中，卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，使用六層的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練模 板；
[0023] 第一層是卷積層，第=層是卷積層，第五層是卷積層，卷積層用設(shè)定像素大小的 卷積核與輸入信息進(jìn)行卷積操作得到特征向量；
[0024] 第二層是降采樣層，第四層是降采樣層，降采樣層根據(jù)參數(shù)模板中的定義，進(jìn)行 降采樣操作，采用的是在設(shè)定的像素大小的圖像塊內(nèi)取最大值作為輸出，通過降采樣過程 有效的在保存有用信息的基礎(chǔ)上減少數(shù)據(jù)處理量；
[0025] 第六層為全連接層；將第五層得到的特征向量整合，形成一個(gè)長向量，將其傳遞給 激活函數(shù)獲得對輸入樣本類別的判斷，選擇最大的輸出值作為輸入樣本的標(biāo)簽。
[0026] 所述步驟3-2)中，假設(shè)用于訓(xùn)練集形式是{(xW，yW)，（x?，y?)，...，（xW，yW)} ，X<"表示第i個(gè)訓(xùn)練數(shù)據(jù)，yw表示數(shù)據(jù)Xw對應(yīng)的數(shù)據(jù)標(biāo)簽，訓(xùn)練數(shù)據(jù)集包含n個(gè)樣本。
[0027] 對于單個(gè)樣本（X，y)，學(xué)習(xí)到的結(jié)果為tVb(x)，其損失函數(shù)為：
[0028]
(1)
[0029]所W整體損失函數(shù)J(W，b)為：
[0030]
[00引]公式似中，Si，Sw表示第1層和1+1層神經(jīng)元節(jié)點(diǎn)的數(shù)目，ni表示神經(jīng)網(wǎng)絡(luò)的 層數(shù)，聽'嗦示第1組權(quán)重參數(shù)中連接1層第i個(gè)節(jié)點(diǎn)和第1+1層第j個(gè)節(jié)點(diǎn)的權(quán)重系數(shù)， 馬"為第1層第i個(gè)節(jié)點(diǎn)的偏置，第一項(xiàng)J(W，b;xW，yW)是一個(gè)均方差項(xiàng)，第二項(xiàng)是正則化 項(xiàng)，用來減小權(quán)重的幅度，防止過擬合，丫為控制系數(shù)。
[0032] 用梯度下降法對參數(shù)W和b進(jìn)行更新：
[0033]
[0034] 其中，公式（3)中的a是學(xué)習(xí)速率，用于控制梯度下降的速度。
[00巧]所述步驟四中，使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行絕緣子的檢測，詳細(xì)方法如下：
[003引 4-1)提取訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模板，包括權(quán)重、偏置W及訓(xùn)練使用的網(wǎng)絡(luò)結(jié)構(gòu)； 然后根據(jù)該些參數(shù)初始化測試程序；
[0037] 4-。載入圖像，由于無人機(jī)采集到的圖像較大，對圖像進(jìn)行縮放W加速后續(xù)的運(yùn) 算，為了精確的定位絕緣子的位置，加入多尺度方法，在多個(gè)尺度上進(jìn)行滑動(dòng)框操作，獲取 具體的目標(biāo)圖像塊；
[0038] 4-3)將目標(biāo)圖像塊作為輸入，進(jìn)行前向傳導(dǎo)操作，獲取目標(biāo)塊的所屬類別；
[003引4-4)保存絕緣子類別的目標(biāo)塊信息，其中包括目標(biāo)塊的起點(diǎn)位置及長寬信息。[0040] 所述步驟六中，使用直線擬合方法對絕緣子標(biāo)注，具體過程如下：
[00川 6-1)獲取步驟五中得到的t個(gè)類別的叫，i= {1，…，t}個(gè)候選框信息，計(jì)算每個(gè) 候選框的中屯、點(diǎn)位置，并保存；
[004引6-。中屯、點(diǎn)位置為化曲，可W用線性擬合的方式對每個(gè)類別的中屯、位置進(jìn)行擬 合，精確的定位每個(gè)絕緣子的位置，該里可W用一元線性擬合來解決該個(gè)問題：
[0043] Y=kX+b' （4)
[0044] 6-3)用最小二乘擬合法，計(jì)算出一條最能反映X與Y關(guān)系的直線。
[0045] 所述步驟6-3)中，定義損失函數(shù)為：
[004引
城
[0047] 其中，也，Qj.)為屬于i類的第j個(gè)矩形框的中屯、點(diǎn)。
[0048] 通過對b'和k求偏導(dǎo)，來獲取b'和k的最優(yōu)解；
[004引
佩
[0050]得到k和b'的最終解為
[005U(7)
[00閲其中，（Pj,Qj.)為屬于i類的第j個(gè)矩形框的中屯、點(diǎn)，m康示第i類