一种绝缘子污染分类方法技术

本发明专利技术公开了一种绝缘子污染分类方法

【技术实现步骤摘要】
一种绝缘子污染分类方法、装置、电子设备以及介质


[0001]本专利技术涉及输电线路设备运行状态检测
，尤其涉及一种绝缘子污染分类方法
、
装置
、
电子设备以及介质
。

技术介绍

[0002]户外架空线路绝缘子是电网的重要组成部分，由于线路绝缘子长期暴露在户外环境中，通常受到大气污染
、
老化和恶劣天气条件的影响，所以需要定期对户外架空线路绝缘子的表面进行状态检测，确定污染类别
。
[0003]目前，无人机的机载成像可以监视户外架空线路绝缘子，其原理是采用深度学习算法在边缘设备上进行计算机视觉的检测和分类
。
但现有方法仅仅通过绝缘子图像信息对户外架空线路绝缘子的分类，且绝缘子污染分类效果并不理想，检测户外架空线路绝缘子类型的准确率不高，并且这些机器学习算法在实际应用中所花费的时间和内存资源较高
。

技术实现思路

[0004]本专利技术提供了一种绝缘子污染分类方法
、
装置
、
电子设备以及介质，以解决机器学习算法识别户外架空线路绝缘子污染类型的准确率不高的问题
。
[0005]根据本专利技术的一方面，提供了一种绝缘子污染分类方法，该方法包括：
[0006]获取待检测绝缘子的图像信息和绝缘子表面泄漏电流信息；
[0007]将待检测绝缘子的图像信息和表面泄漏电流信息进行融合得到多模态信息；
[0008]依据所述多模态信息对所述待检测绝缘子进行绝缘子污染类型分类
。
[0009]根据本专利技术的另一方面，提供了一种绝缘子污染分类装置，该装置包括：
[0010]信息获取模块，用于获取待检测绝缘子的图像信息和表面泄漏电流信息；
[0011]信息融合模块，用于将待检测绝缘子的图像信息和表面泄漏电流信息进行融合得到多模态信息；
[0012]绝缘子污染分类模块，用于依据所述多模态信息对所述待检测绝缘子进行绝缘子污染类型分类
。
[0013]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的绝缘子污染分类方法
。
[0017]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的绝缘子污染分类方法
。
[0018]本专利技术实施例的技术方案，通过获取待检测绝缘子图像信息和绝缘子表面泄漏电
流信息，将待检测绝缘子图像信息和表面泄漏电流信息进行融合得到多模态信息，依据多模态信息对待检测绝缘子进行绝缘子污染类型的分类，该方法通过融合了待检测绝缘子图像信息和表面泄漏电流信息获取多模态信息，囊括待检测绝缘子污染类型的不同维度的特征信息，方便该方法区分绝缘子污染类型，能够显著提高对绝缘子污染情况的识别精度
。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围
。
本专利技术的其它特征将通过以下的说明书而变得容易理解
。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0021]图1是根据本专利技术实施例一提供的一种绝缘子污染分类方法的流程图；
[0022]图2是根据本专利技术实施例二提供的一种绝缘子污染分类装置的结构示意图；
[0023]图3是根据本专利技术实施例提供的绝缘子不同污染条件下的泄漏电流值分布情况示意图；
[0024]图
4a
是根据本专利技术实施例提供的绝缘子原始图像示意图；
[0025]图
4b
是根据本专利技术实施例提供的绝缘子图像加入高斯噪声的示意图；
[0026]图
4c
是根据本专利技术实施例提供的绝缘子图像加入泊松噪声的示意图；
[0027]图
4d
是根据本专利技术实施例提供的绝缘子图像加入椒盐噪声的示意图；
[0028]图
4e
是根据本专利技术实施例提供的绝缘子图像加入斑点噪声的示意图；
[0029]图5是根据本专利技术实施例提供的卷积神经网络结构图；
[0030]图6是根据本专利技术实施例二提供的绝缘子污染分类模型的分类流程图；
[0031]图7根据本专利技术实施例三提供的一种绝缘子污染分类装置的结构示意图；
[0032]图8是实现本专利技术实施例的绝缘子污染分类方法的电子设备的结构示意图
。
具体实施方式
[0033]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围
。
[0034]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序
。
应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施
。
此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程
、
方法
、
系统
、
产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程
、
方法
、
产品或设备固有的其它步骤或单元
。
[0035]实施例一
[0036]图1为本专利技术实施例一提供了一种绝缘子污染分类方法的流程图，本实施例可适用于对绝缘子表面污染物分类的情况，该方法可以由绝缘子污染分类装置来执行，该绝缘子污染分类装置可以采用硬件和
/
或软件的形式实现，该绝缘子污染分类装置可配置于任何具有网络通信功能的电子设备中
。
如图1所示，该方法可以包括：
[0037]S110、
获取待检测绝缘子的图像信息和表面泄漏电流信息
。
[0038]可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种绝缘子污染分类方法，其特征在于，包括：获取待检测绝缘子的图像信息和表面泄漏电流信息；将待检测绝缘子的图像信息和表面泄漏电流信息进行融合得到多模态信息；依据所述多模态信息对所述待检测绝缘子进行绝缘子污染类型分类
。2.
根据权利要求1所述的方法，其特征在于，所述待检测绝缘子图像由拍摄设备拍摄待检测绝缘子获取的待检测绝缘子的图像；待检测绝缘子表面泄漏电流信息包括在对待检测绝缘子表面施加预设电压值时，获取的待检测绝缘子表面的泄漏电流信息
。3.
根据权利要求1所述的方法，其特征在于，将待检测绝缘子的图像信息和表面泄漏电流信息进行融合得到多模态信息，包括：基于绝缘子污染分类模型中的卷积神经网络对待检测绝缘子的绝缘子图像信息进行编码得到第一编码序列，所述第一编码序列是将待检测绝缘子图像以向量的形式进行表征；基于绝缘子污染分类模型中的多层神经网络对待检测绝缘子表面泄漏电流信息进行编码得到第二编码序列，所述第二编码序列是将待检测绝缘子表面泄漏电流信息以向量的形式进行表征；基于绝缘子污染分类模型中的融合神经网络将第一编码序列和第二编码序列进行融合获取多模态信息
。4.
根据权利要求3所述的方法，其特征在于，基于绝缘子污染分类模型中的卷积神经网络对待检测绝缘子的绝缘子图像进行编码得到第一编码序列，包括：将绝缘子图像进行数据格式的转换，得到第一数据格式的绝缘子表面泄漏电流信息，所述卷积神经网络能够支持第一数据格式的绝缘子表面泄漏电流信息的编码；基于卷积神经网络对第一数据格式的绝缘子表面泄漏电流信息进行编码，获取第一编码序列
。5.
根据权利要求3所述的方法，基于绝缘子污染分类模型中的多层神经网络对待检测绝缘子表面泄漏电流信息进行编码得到第二编码序列，包括：将绝缘子表面泄漏电流信息进行数据格式的转换，得到第二数据格式的绝缘子表面泄漏电流信息，所述多层神经网络能够支持第二数据格式的绝缘子表面泄漏电流信息的编码；基于多层神经网络对第二数据格式的绝缘子表面泄漏电流信息编码，获取第二编...

【专利技术属性】
技术研发人员：魏东亮，王植，徐卫东，林伯琴，
申请(专利权)人：广东电网有限责任公司东莞供电局，
类型：发明
国别省市：