【技术实现步骤摘要】
本专利技术涉及图像数据处理，特别涉及一种基于图像识别的输电线路缺陷检测方法。
技术介绍
1、输电线路是电力系统的重要组成部分，而电力系统是经济建设和生产生活的底层基础。由于输电线路的分布较广，所处环境多变且地势复杂，容易受到环境因素和自然灾害的影响从而产生缺陷，因此有必要对输电线路进行缺陷检测。
2、现有技术中，专利公开号为cn116128879a的《一种轻量化输电线路缺陷检测方法和装置》提出使用高效率的目标轻量化紧凑模型对输电线路中的部件进行缺陷检测，并对目标轻量化紧凑模型应用剪枝使模型轻量化，最终模型能够部署在无人机边缘计算平台上完成实时缺陷检测；设计基于特征图信息评估的剪枝方法，通过计算卷积层输出特征图的熵值可以度量对应过滤器的重要性评估值，并作为剪枝的依据，剪枝后模型仅保留对提升模型精度有重要作用的过滤器。
3、由于输电线路缺陷检测过程是持续性的，因此当采集数据为图像这种多维数组型数据时，数据量和计算量往往较大，上述现有技术虽然使用剪枝使模型轻量化，但相较于其它低维数据处理模型，轻量化图片处理模型仍需要较高的计算资源，上述现有技术未考虑对上述问题进行解决，占用计算资源较大，同时，上述现有技术单一地对图片进行缺陷检测而未考虑其它数据，存在检测精度不足的问题；此外，采集的线路图片中往往存在大量的背景和留白，这会对实际的缺陷检测造成影响，上述现有技术也未考虑对该处进行改进，图片识别注意力较低。
技术实现思路
1、本专利技术提供了一种基于图像识别的输电线路缺
2、一方面，本专利技术提供了一种基于图像识别的输电线路缺陷检测方法，包括以下步骤：
3、步骤一，采集线路传感数据。
4、步骤二，采用第一分析模型对所述线路传感数据进行分析，得到第一分析数据。
5、步骤三，根据所述第一分析数据采集线路图像数据。
6、步骤四，对所述线路图像数据进行区域提取处理，得到区域图像数据。
7、步骤五，采用第二分析模型对所述区域图像数据进行分析，得到第二分析数据，所述第二分析数据即缺陷检测结果。
8、在一种可能的实现方式中，步骤一中：
9、当采用非接触式方式进行线路传感数据采集时，所述线路传感数据包括：超声波传感数据和红外传感数据。
10、当采用接触式方式进行线路传感数据采集时，所述线路传感数据包括：电流传感数据和温度传感数据。
11、在一种可能的实现方式中，步骤二中，所述第一分析模型是基于机器学习算法，采用线路传感训练数据集进行迭代学习得到。
12、在一种可能的实现方式中，步骤三中，当所述第一分析数据的结果为预设异常结果时，采集线路图像数据。
13、在一种可能的实现方式中，步骤四中，在对所述线路图像数据进行区域提取处理之前，先对所述线路图像数据进行去噪处理。
14、在一种可能的实现方式中，步骤四中，所述区域提取处理包括：
15、对所述线路图像数据进行区域轮廓识别，得到区域轮廓数据。
16、根据所述区域轮廓数据对所述线路图像数据进行裁剪，得到区域图像数据。
17、在一种可能的实现方式中，步骤四中，在对所述线路图像数据进行区域提取处理后，还分别进行灰度化处理和对比度增强处理，得到灰度化图像数据和对比增强图像数据。
18、所述区域图像数据包含所述灰度化图像数据和所述对比增强图像数据。
19、在一种可能的实现方式中，步骤五中，所述第二分析模型是基于图像识别算法，采用灰度化图像训练数据集和对比增强图像训练数据集进行双通道迭代学习得到。
20、所述灰度化图像训练数据集和所述对比增强图像训练数据集中的数据为一一对应关系。
21、在一种可能的实现方式中，所述双通道迭代学习的过程中，还采用耦合映射算法对两个通道的学习结果进行耦合输出。
22、在一种可能的实现方式中，所述对比度增强处理采用自适应对比度增强算法。
23、本专利技术中的一种基于图像识别的输电线路缺陷检测方法，具有以下优点：
24、提出的采用第一分析模型对线路传感数据进行分析，采用第二分析模型对区域图像数据进行分析，通过两种分析模型进行递进式缺陷检测，节省了计算资源的同时提高了检测精度；通过线路图像数据进行区域提取处理，提高了图像识别注意力；提出的第一分析模型是基于机器学习算法，采用线路传感训练数据集进行迭代学习得到，提高了传感分析精度；提出的分别进行灰度化处理和对比度增强处理，其中灰度化处理避免了条带失真，对比度增强处理提高了特征识别率；提出的第二分析模型是基于图像识别算法，采用灰度化图像训练数据集和对比增强图像训练数据集进行双通道迭代学习得到，通过双通道迭代学习提高了图像分析准确度；提出的采用耦合映射算法对两个通道的学习结果进行耦合输出，提高了两通道结果的关联性；提出的对比度增强处理采用自适应对比度增强算法，避免了低频干扰。
本文档来自技高网...【技术保护点】
1.一种基于图像识别的输电线路缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，步骤一中：
3.根据权利要求1所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，步骤二中，所述第一分析模型是基于机器学习算法，采用线路传感训练数据集进行迭代学习得到。
4.根据权利要求1所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，步骤三中，当所述第一分析数据的结果为预设异常结果时，采集线路图像数据。
5.根据权利要求1所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，步骤四中，在对所述线路图像数据进行区域提取处理之前，先对所述线路图像数据进行去噪处理。
6.根据权利要求1所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，步骤四中，所述区域提取处理包括：
7.根据权利要求1所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，步骤四中，在对所述线路图像数据进行区域提取处理后，还分别进行灰度化处理和对比度增强处理，得到灰度化图
8.根据权利要求7所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，步骤五中，所述第二分析模型是基于图像识别算法，采用灰度化图像训练数据集和对比增强图像训练数据集进行双通道迭代学习得到；
9.根据权利要求8所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，所述双通道迭代学习的过程中，还采用耦合映射算法对两个通道的学习结果进行耦合输出。
10.根据权利要求7所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，所述对比度增强处理采用自适应对比度增强算法。
...【技术特征摘要】
1.一种基于图像识别的输电线路缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，步骤一中：
3.根据权利要求1所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，步骤二中，所述第一分析模型是基于机器学习算法，采用线路传感训练数据集进行迭代学习得到。
4.根据权利要求1所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，步骤三中，当所述第一分析数据的结果为预设异常结果时，采集线路图像数据。
5.根据权利要求1所述的一种基于图像识别的输电线路缺陷检测方法，其特征在于，步骤四中，在对所述线路图像数据进行区域提取处理之前，先对所述线路图像数据进行去噪处理。
6.根据权利要求1所述的一种基于图像识别的输电线路缺陷检测方法，其特征在...
【专利技术属性】
技术研发人员：龚进宏，冯群，杨佳荣，
申请(专利权)人：陕西协成测试技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。