基于改进VarifocalNet模型的架空输电线路设备缺陷检测方法技术

本发明专利技术是一种基于改进VarifocalNet模型的架空输电线路设备缺陷检测方法，其特征是，包括：数据采集、样本标注、模型检测头改进、模型损失函数改进、模型训练、模型性能评估和模型应用。能够检测出绝缘子缺陷、耐张线夹缺陷、悬垂线夹缺陷、导线保护金具缺陷、导线接续金具缺陷、导线缺陷以及防振锤缺陷，提高了架空输电线路设备缺陷检测的精度。输电线路设备缺陷检测的精度。输电线路设备缺陷检测的精度。

【技术实现步骤摘要】
基于改进VarifocalNet模型的架空输电线路设备缺陷检测方法


[0001]本专利技术属于图像处理
，是一种基于改进VarifocalNet模型的架空输电线路设备缺陷检测方法，可用于架空输电线路设备的缺陷自动检测。

技术介绍

[0002]架空输电线路是电力系统的重要组成部分，它将发电厂、变电站和用户连接起来，组成了输电网和配电网，实现了电能的传输和分配，架空输电线路设备一旦出现故障，直接影响电能的传输，甚至电力供应的中断，对电力系统的安全和稳定运行造成重大影响。若能及时发现架空输电线路设备缺陷并进行处理，可以有效降低架空输电线路设备故障，更好的保障电力系统的可靠运行，所以进行架空输电线路设备缺陷检测具有十分重大且必要的意义。
[0003]架空输电线路设备缺陷检测通常依靠人工攀爬输电铁塔或者借助望远镜等设备对输电线路设备进行观察，发现设备缺陷问题，巡检工作量和难度较大，危险性较高。随着科学技术的发展，采用巡检机器人、无人机以及固定摄像头等设备对架空输电线路设备进行图像采集，再由人员通过观察采集到的图像，对架空输电线路设备是存在缺陷进行判断，缺陷检测效果受限于人员的技术水平、工作经验以及责任心，而且需要长时间进行人工检测，劳动强度大，对人员的眼睛伤害也较大。此外，部分缺陷在图像中较小或者不明显，很容易在人眼检测缺陷的过程中被忽略。为此，人们提出基于图像处理技术的设备缺陷检测方法，传统的缺陷检测方法主要利用人工设计的特征提取器对设备的缺陷特征进行提取，然后利用模板匹配或分类器来实现缺陷检测。传统方法需要足够的先验信息，难以适用多变背景下的设备缺陷检测，泛化能力较弱，而且缺陷检测类型单一。
[0004]近年来，深度卷积神经网络不仅能够提取目标的深层特征，更好地表现目标的本质信息，提高特征的表达能力，还能够将特征提取和分类融合在一个模型中，通过端对端的训练，从整体上进行功能优化。因此，其在目标检测和目标分割等众多领域中取得了令人瞩目的成绩，VarifocalNet模型是基于深度卷积神经网络的目标检测模型，具有良好的目标检测性能。但由于在架空输电线路缺陷识别问题中，受拍摄距离和角度等影响，缺陷目标图像相对较小，而且周围背景复杂多样，对缺陷目标检测影响较大，所以直接用VarifocalNet模型进行设备缺陷检测，精度较低，无法满足实际需要。

技术实现思路

[0005]本专利技术的目的是，针对现有技术的不足，提供一种基于改进VarifocalNet模型的架空输电线路设备缺陷检测方法，其特征是，所述方法包括以下步骤：
[0006]步骤1，数据采集：利用无人机巡检架空输电线路，获取包括：绝缘子、耐张线夹、悬垂线夹、导线保护金具、导线接续金具、导线以及防振锤的输电线路设备缺陷的图像；
[0007]步骤2，制作样本：首先将采集到的所有图像像素大小调整为800
×
800，然后对像
素调整后的图像按照7:3划分训练集和测试集，然后采用Labelme软件对训练集和测试集图像中的设备缺陷部分采用矩形框进行标注，根据缺陷类型，分别标注出绝缘子缺陷、耐张现夹缺陷、悬垂线夹缺陷、导线保护金具缺陷、导线接续金具缺陷、导线缺陷以及防振锤缺陷；
[0008]步骤3：模型检测头改进：VarifocalNet模型包括特征提取网络、特征金字塔网络和检测头网络，设计能够从回归分支中捕获分类特征的特征交互器，并将所设计的特征交互器添加到检测头网络中，特征交互器能够将回归分支中的分类特征融合到分类分支，增强分类分支的特征表达能力，提高输电线路设备缺陷的检测精度；
[0009]步骤4：模型损失函数改进：设计基于预测框位置信息的改进的回归损失，并将改进的回归损失用于模型损失函数的构建，改进的损失函数能够更好的衡量预测框和真实框的偏移，进而提高输电线路设备缺陷的检测精度；
[0010]步骤5，模型训练：将训练集中的图像输入到改进的VarifocalNet模型中，通过利用梯度下降方法对损失函数进行优化，不断更新模型参数，最终完成用于架空输电线路设备缺陷检测的改进的VarifocalNet模型的训练，得到最优的检测模型；
[0011]步骤6，模型性能评估：将测试集中的图像输入到已训练的模型中，得到架空输电线路设备缺陷检测结果；分别计算平均召回率和平均精度两个指标，若平均召回率或者平均精度值较低则调整网络模型参数继续训练，当平均召回率和平均精度达到理想值以上时，保持模型权重，用于架空输电线路设备缺陷的检测；
[0012]步骤7，网络模型应用：将性能达到理想值的已训练的模型，部署在服务器上，对无人机现场传回的输电线路巡检图像进行检测，实现输电线路设备缺陷的自动检测。
[0013]进一步，所述步骤3中模型检测头改进表示为：
[0014]所述特征交互器有两个输入，分别是VarifocalNet模型的特征金字塔网络输出的多级特征和检测头网络中的回归特征，首先，根据回归特征调整所述特征交互器中的动态卷积核参数，然后，所述特征金字塔网络输出的多级特征经过动态卷积间接的与回归特征进行交互，并通过两个常规卷积提取出分类归回分支中的分类特征，最后，将提取的分类特征与原分类分支中的分类特征进行融合，增强分类分支的特征表达能力，提高输电线路设备缺陷的检测精度。
[0015]进一步，所述步骤4中模型损失函数改进表示为：
[0016]改进的回归损失函数，具体表达式如(1)所示：
[0017][0018]式中，A和B分别是输电线路设备缺陷目标的真实框和预测框，A∩B表示A和B交集的面积，A∪B表示A和B并集的面积，C是包围A和B的最小矩形框面积，l
c
，r
c
，t
c
和b
c
分别是经过检测头网络中的回归分支得到的预测框的中心点到真实框左、右、上和下边界的距离，l
c
和r
c
用来衡量预测框和真实框中心点的左右偏离程度，t
c
和b
c
用来衡量预测框和真实框中心点的上下偏离程度，通过公式(1)等号右侧最后一项的优化对预测框中心进行调整，当预测框和真实目标框完全重合时，为1，为0，l
c
、r
c
相同，t
c
、b
c
相同，最终的损失函数值为0；基于上述改进的回归损失函数，改进的总损失函数如式(2)所示：
[0019][0020]式中，VFL是原VarifocalNet模型分类损失函数的变焦损失，p
c,i
和q
c,i
分别表示特征金字塔第i个分支输出的多级特征对于类别c的预测框得分和分类得分，L
GIoU
是原VarifocalNet模型所使用的GIoU回归损失，L
New
是改进的回归损失，bbox'
i
、bbox
i
和bbox
*
分别表示初始预测框、优化后的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进VarifocalNet模型的架空输电线路设备缺陷检测方法，其特征是，所述方法包括以下步骤：步骤1，数据采集：利用无人机巡检架空输电线路，获取包括：绝缘子、耐张线夹、悬垂线夹、导线保护金具、导线接续金具、导线以及防振锤的输电线路设备缺陷的图像；步骤2，制作样本：首先将采集到的所有图像像素大小调整为800
×
800，然后对像素调整后的图像按照7:3划分训练集和测试集，然后采用Labelme软件对训练集和测试集图像中的设备缺陷部分采用矩形框进行标注，根据缺陷类型，分别标注出绝缘子缺陷、耐张现夹缺陷、悬垂线夹缺陷、导线保护金具缺陷、导线接续金具缺陷、导线缺陷以及防振锤缺陷；步骤3：模型检测头改进：VarifocalNet模型包括特征提取网络、特征金字塔网络和检测头网络，设计能够从回归分支中捕获分类特征的特征交互器，并将所设计的特征交互器添加到检测头网络中，特征交互器能够将回归分支中的分类特征融合到分类分支，增强分类分支的特征表达能力，提高输电线路设备缺陷的检测精度；步骤4：模型损失函数改进：设计基于预测框位置信息的改进的回归损失，并将改进的回归损失用于模型损失函数的构建，改进的损失函数能够更好的衡量预测框和真实框的偏移，进而提高输电线路设备缺陷的检测精度；步骤5，模型训练：将训练集中的图像输入到改进的VarifocalNet模型中，通过利用梯度下降方法对损失函数进行优化，不断更新模型参数，最终完成用于架空输电线路设备缺陷检测的改进的VarifocalNet模型的训练，得到最优的检测模型；步骤6，模型性能评估：将测试集中的图像输入到已训练的模型中，得到架空输电线路设备缺陷检测结果；分别计算平均召回率和平均精度两个指标，若平均召回率或者平均精度值较低则调整网络模型参数继续训练，当平均召回率和平均精度达到理想值以上时，保持模型权重，用于架空输电线路设备缺陷的检测；步骤7，网络模型应用：将性能达到理想值的已训练的模型，部署在服务器上，对无人机现场传回的输电线路巡检图像进行检测，实现输电线路设备缺陷的自动检测。2.根据权利要求1所述的基于改进VarifocalNet模型的架空输电线路设备缺陷检测方法，其特征是，所述步骤3中模型检测头改进表示为：所述特征交互器有两个输入，分别是VarifocalNet模型的特征金字塔网络输出的多级特征和检测头网络中的回归特征，首先，根据回归特征调整所述特征交互器中的动态卷...

【专利技术属性】
技术研发人员：郭铁滨，张家兴，关潇卓，李薇，杨烁，高冶，付饶，李达，李爽，张楠，石根华，卢意新，王令君，赵立权，贾雁飞，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：