一种基于改进YOLOv5的变压器漏油检测方法技术

本发明专利技术公开了一种基于改进YOLOv5的变压器漏油检测方法，其包括以下步骤：S1、构建变压器漏油图像数据集；S2、构建改进YOLOv5网络模型；S3、采用变压器漏油图像数据集对改进YOLOv5网络模型进行训练，得到训练后的YOLOv5网络模型；S4、采用训练后的YOLOv5网络模型对目标变压器图像进行识别，将训练后的YOLOv5网络模型的输出结果作为识别结果，完成变压器漏油检测。本发明专利技术通过基础YOLOv5网络模型FPN结构基础上加入一个上采样模块和一个下采样模块，来使得网络能够将变压器相关图像中不同层的特征信息进行跨层融合，使得网络能够更好的学习这些特征，从而增加模型对变压器漏油的检测准确率。测准确率。测准确率。

【技术实现步骤摘要】
一种基于改进YOLOv5的变压器漏油检测方法


[0001]本专利技术涉及变压器漏油检测领域，具体涉及一种基于改进YOLOv5的变压器漏油检测方法。

技术介绍

[0002]目前，电力是人类生活中不可或缺的动力源，因而电网公司在电力运行工作方面压力巨大，包括对电力正常运行维持，电器设备检修与维护等。其中，变压器在电力正常运行中起到关键作用，而变压器油在维护变压器正常运转中又起到至关重要的作用。
[0003]变压器油，是石油经酸碱精制处理，分馏得到的纯净稳定、粘度小、绝缘性好、冷却性好的淡黄色透明液体，其主要成分为烷烃、环烷族饱和烃、芳香族不饱和烃等化合物的混合物，相对密度0.895，凝固点<
‑
45℃，常被用于变压器、电抗器、互感器、套管等油浸式电气设备中。变压器油具有以下五种作用：
[0004](1)绝缘：通常情况下，认为空气的介电常数与真空中的介电常数相等为1.0，而变压器油的介电常数为2.25，变压器油的绝缘强度比空气的大得多。所以，变压器油通常被用于电气设备中，将存在电势差的带电部分分隔开来，以防止短路的发生。
[0005](2)冷却：变压器在带电运行过程中，电流通过线圈时，因电阻引起功率损耗，这部分损耗称为“铜耗”；电流通过铁芯时，由于铁芯磁通发生作用，引起功率损耗，这部分损耗称为“铁芯损耗”，且这两部分损耗均以发热的形式表现出来。如果不将线圈内的这种热量散发出去，它必然会使线圈和铁芯内积蓄的热量越积越多而使铁芯内部温度升高，从而会损坏线圈外部包覆的固体绝缘，以致烧毁线圈。一般情况下，通过填充变压器油来吸收内部产生的这部分热量，利用变压器油良好的导热性，使热量散发出来，从而保证电力设备的安全运行。
[0006](3)消弧：在开关设备中，变压器油主要起消灭电弧的作用。当油浸开关切断电力负荷时，其固定触头和滑动触头之间会产生电弧，使弧柱上的温度急剧升高，如果不将弧柱的热量降低，使触头冷却，那么在初始电弧发生之后，还会有连续的电弧产生，很容易使设备烧毁，同时还可能会引起过电压，从而损坏电力设备。填充变压器油之后，开关开断受到电弧作用时，高温会使变压器油发生剧烈的热分解，而产生约70％的氢气，同时由于氢的导热系数较大(为41)，此时氢气就能够吸收超多的热，并且将热量传导至油中，而直接将触头冷却，从而到达了灭弧的目的。
[0007](4)保护：由于变压器油充填在绝缘材料的空隙中，所以能够起到保护铁芯和线圈组件的作用。
[0008](5)防氧化：同样，由于变压器油通常充填在绝缘材料的空隙之中，因此可将易于氧化的纤维素和其它材料所吸收的氧含量减少到最低限度，延缓氧化反应对绝缘材料的影响。
[0009]但是，如果不能及时检测变压器漏油问题，随着变压器油的泄漏，就会影响内部变压器油的介电常数，影响变压器油的绝缘强度，甚至可能引发击穿、短路等情况造成设备损
坏；漏油问题还可能会使变压器运转不流畅，造成机器间歇性运转，产生电力系统电压不稳定等问题；且还可能会造成变压器不能及时散热，供电线路温度过高，导致变压器严重的故障，甚至会造成大面积停电；同时，变压器漏油问题还会污染周边环境。所以，在电力安全生产中，对变压器漏油隐患的检测就变得尤为重要。
[0010]很长时间以来，对变压器漏油的监测主要依靠人工巡检来完成，存在检测不及时，检测效率低等问题。随着巡检机器人和视频监控在变电站中的广泛应用，不用依靠人工巡检就可以快速采集到大量的监控图像，有助于及早发现变压器漏油情况，维护变压器的正常运行。虽然不再需要人工进行巡检，但对采集数据的处理与判断仍然是人工进行的，这意味着，长时间关注类似的图像数据会带来视觉疲劳，从而影响人工检测效率和检测精度。随着科学技术的发展，使用各种传感器来检测油气泄漏的方法被相继提出，但利用传感器来检测变压器漏油的方法，容易收到外界环境改变的干扰，可靠性不高。还有学者提出利用变压器油作为矿物油所具有的荧光特性通过图像处理的方法来判断变压器是否漏油，虽然能够有效的检测变压器漏油情况，但通常情况下只能检测夜间的漏油情况。且检测准确率不是很高，只有92.23％。

技术实现思路

[0011]针对现有技术中的上述不足，本专利技术提供的一种基于改进YOLOv5的变压器漏油检测方法解决了现有技术检测变压器漏油准确率低的问题。
[0012]为了达到上述专利技术目的，本专利技术采用的技术方案为：
[0013]提供一种基于改进YOLOv5的变压器漏油检测方法，其包括以下步骤：
[0014]S1、构建变压器漏油图像数据集；
[0015]S2、构建改进YOLOv5网络模型：
[0016]将基础YOLOv5网络模型的Neck网络的80*80链路输出端连接至第一拼接层的一个输入端；在基础YOLOv5网络模型的Neck网络的第一个CBL模块的输出端连接一个上采样模块，将上采样模块的输出端连接至第一拼接层的另一个输入端；将第一拼接层的输出端作为基础YOLOv5网络模型的Neck网络的80*80链路的新输出端；
[0017]将基础YOLOv5网络模型的Neck网络的20*20链路输出端连接至第二拼接层的一个输入端，在基础YOLOv5网络模型的Neck网络的80*80链路输出端连接一个下采样模块，将下采样模块的输出端连接至第二拼接层的另一个输入端，将第二拼接层的输出端作为基础YOLOv5网络模型的Neck网络的20*20链路的新输出端；
[0018]S3、采用变压器漏油图像数据集对改进YOLOv5网络模型进行训练，得到训练后的YOLOv5网络模型；
[0019]S4、采用训练后的YOLOv5网络模型对目标变压器图像进行识别，将训练后的YOLOv5网络模型的输出结果作为识别结果，完成变压器漏油检测。
[0020]进一步地，步骤S1的具体方法为：
[0021]获取并统一变压器相关图像的大小，将存在漏油图像作为正样本，将不包含漏油的图像作为负样本，得到初始图像数据集；对初始图像数据集进行数据扩充，得到用于训练改进YOLOv5网络模型的变压器漏油图像数据集。
[0022]进一步地，步骤S2中上采样模块包括依次连接的第一卷积层、第一上采样层和第
二上采样层；第一卷积层的输入端为上采样模块的输入端，第二上采样层的输出端为上采样模块的输出端。
[0023]进一步地，第一卷积层的大小为1
×
1；第一上采样层和第二上采样层均采用最近邻图像差值算法进行上采样，第一上采样和第二上采样的采样倍数均为4。
[0024]进一步地，步骤S2中下采样模块包括依次连接的第二卷积层、第一下采样层和第二下采样层；第二卷积层的输入端为下采样模块的输入端；第二下采样层的输出端为下采样模块的输出端。
[0025]进一步地，第二卷积层的大小为1
×
1；第一下采样层和第二下采样层均采用卷积核大小均为3、步距均为2、填充均为1的卷积层。
[0026]进一步地，基础YOLOv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YOLOv5的变压器漏油检测方法，其特征在于，包括以下步骤：S1、构建变压器漏油图像数据集；S2、构建改进YOLOv5网络模型：将基础YOLOv5网络模型的Neck网络的80*80链路输出端连接至第一拼接层的一个输入端；在基础YOLOv5网络模型的Neck网络的第一个CBL模块的输出端连接一个上采样模块，将上采样模块的输出端连接至第一拼接层的另一个输入端；将第一拼接层的输出端作为基础YOLOv5网络模型的Neck网络的80*80链路的新输出端；将基础YOLOv5网络模型的Neck网络的20*20链路输出端连接至第二拼接层的一个输入端，在基础YOLOv5网络模型的Neck网络的80*80链路输出端连接一个下采样模块，将下采样模块的输出端连接至第二拼接层的另一个输入端，将第二拼接层的输出端作为基础YOLOv5网络模型的Neck网络的20*20链路的新输出端；S3、采用变压器漏油图像数据集对改进YOLOv5网络模型进行训练，得到训练后的YOLOv5网络模型；S4、采用训练后的YOLOv5网络模型对目标变压器图像进行识别，将训练后的YOLOv5网络模型的输出结果作为识别结果，完成变压器漏油检测。2.根据权利要求1所述的基于改进YOLOv5的变压器漏油检测方法，其特征在于，步骤S1的具体方法为：获取并统一变压器相关图像的大小，将存在漏油图像作为正样本，将不包含漏油的图像作为负样本，...

【专利技术属性】
技术研发人员：骆忠强，王铖浩，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：