【技术实现步骤摘要】
本专利技术涉及电力系统，特别是涉及一种基于改进unet的输电线路绝缘子鸟粪污秽等级检测方法。
技术介绍
1、电力系统安全稳定运行是国家经济发展和国民生活生产的前提保障，在输电线路中，保证绝缘子运行状态的稳定对电力系统的可靠运行至关重要，但是由于高原地区缺乏高大的乔灌树木，此时输电线路的杆塔为鸟类提供了良好的栖息和繁衍平台，造成绝缘子上覆盖大量鸟粪，当绝缘子表面受潮后，其表面附着的鸟粪可能导致“污闪”事故频繁发生，因此了解绝缘子的鸟粪积累程度是防污闪的关键因素，根据污秽等级分析出绝缘子的运行状态，制定计划致力于绝缘子的清洗维护，不仅可以节省大量的人力物力，而且可以保证电力系统的稳定运行；因此，需要对绝缘子串定期巡检，而迅速准确地检测出绝缘子的鸟粪累积程度是十分必要的，检测绝缘子鸟粪积累程度的方法由最初的人工测量、主观判断推进到图像识别和数据处理，检测手段也逐渐由接触式检测发展为非接触式检测，如红外热成像、高光谱成像等，但均存在各种限制难以轻量化实现实时检测；
2、目前，传统方式的绝缘子污秽检测方法广泛应用于电力系统中，但各自仍存在较为明显的不足，无法满足电力系统发展所追求的智能化、便捷化，非接触式的检测方法由于其便利性，逐渐受到关注，但这几种检测方法仅在特定的波段成像，所采集的数据信息量有限，无法全面、准确的获取污秽信息，通过人工分析大量图片判断绝缘子串故障容易出现人为误差，而深度学习模型相较于传统方法可以准确、高效、安全的判断绝缘子状态，因此有必要探索一种从多角度对绝缘子鸟粪污秽信息进行检测的方式；
3、
技术实现思路
1、本专利技术的目的在于提供一种基于改进unet的输电线路绝缘子鸟粪污秽等级检测方法，实现输电线路绝缘子运行状态下的快速检测，并对绝缘子上覆盖的鸟粪进行精准分割，在非接触条件下，能够快速准确的了解绝缘子上鸟粪累积程度，为技术人员分析绝缘子的运行状态并制定绝缘子的清洗维护计划提供技术依据。
2、本专利技术是通过以下技术方案实现的：
3、本专利技术为一种基于改进unet的输电线路绝缘子鸟粪污秽等级检测方法，包括如下步骤：
4、s1：首先将输电线路拆卸下来，取下覆盖着鸟粪的绝缘子，通过设计拍摄方法，对绝缘子展开拍摄工作，构建原始数据集；
5、s2：采用标注软件对数据集中部分图像进行绝缘子和鸟粪区域标注，带入模型进行迭代学习，获得当前数据集下的最优权重；
6、s3：用训练的最优权重对未标记数据集进行反向预测标注，同时保留预测信息，通过对预测的标注信息进行人工修改，获得最终的数据集；
7、s4：对unet模型从两方面进行改进，首先是将解码部分的特征图与其上一层编码部分的特征图一同输入注意力机制，再将输出结果与解码部分的特征图上采样后进行连接，其次在原始unet模型下采样阶段中引入多尺度卷积模块；
8、s5：将数据集带入改进好的模型中，不断地迭代学习，通过对比试验及消融试验验证模型改进的有效性，通过损失函数判断模型分割效果优劣；
9、s6：针对模型预测出的绝缘子鸟粪覆盖率，划分绝缘子鸟粪污秽等级，并针对不同等级，给出维护计划。
10、优选地，所述s1拍摄过程中，为了降低训练的复杂性，将图像大小统一调整为640像素×640像素，考虑到光照和阴影的影响，数据集包含自然光，灯光和阳光直射条件下的样本，为确保伞形不挤压变形，首先使用支撑物来架起绝缘子，防止其倾斜并确保伞片处于同一水平面上，伞片不会相互交叠遮盖，其次，控制拍摄距离在0.7m左右，调整摄像头与叶片表面的倾斜角度为30°，以尽可能减少形变和畸变影响。
11、优选地，所述s2采用标注软件对数据集中部分图像进行绝缘子和鸟粪区域标注过程中，引入al模型进行智能标注。
12、优选地，所述s4中，对unet模型进行了两方面改进，首先是在原有unet模型中引入soft-attention注意力机制，将解码部分的特征图与其上一层编码部分的特征图一同输入注意力机制，再将输出结果与解码部分的特征图上采样后进行连接；其次在原始unet模型下采样阶段中引入了多尺度卷积模块，加强模型的非线性表达能力，通过使用不同大小的卷积核对特征图进行卷积操作，得到新的大小不同的特征图，丰富图像特征，提高图像的分割性能。
13、优选地，所述s6中，绝缘子鸟粪污秽划分等级具体为：绝缘子附着鸟粪比率在10％及以下，绝缘子鸟粪附着等级判定为轻度，附着鸟粪比率在10％-30％，绝缘子鸟粪附着等级判定为中度，附着鸟粪比率在30％及以上，绝缘子鸟粪附着等级判定为重度。
14、本专利技术具有以下有益效果：
15、本专利技术基于改进unet的输电线路绝缘子鸟粪污秽等级检测方法，通过拍摄线路拆卸的绝缘子，并采用多种数据增强方式对获取的污秽图像进行数据增强和扩充，最终获取绝缘子鸟粪数据集，然后利用深度学习的方法，建立基于改进unet的绝缘子污秽等级识别模型，通过对原网络的算法模型训练学习，发现其对绝缘子污秽等级识别具有有效性，但是模型的参数量较大，图片的处理速度较慢，为此本专利技术在模型原有网络架构基础上通过轻量化和加入注意力机制的方法对模型进行优化，经过实验对比分析得到最适合轻量化绝缘子污秽等级识别模型的注意力机制，在保证较快的检测速度的同时也具有较好的识别精度，同时实现输电线路绝缘子运行状态下的快速检测，并对绝缘子上覆盖的鸟粪进行精准分割，在非接触条件下，能够快速准确的了解绝缘子上鸟粪累积程度，为技术人员分析绝缘子运行状态以及制定绝缘子的清洗维护计划提供技术依据。
16、当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。
本文档来自技高网...【技术保护点】
1.一种基于改进UNet的输电线路绝缘子鸟粪污秽等级检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于改进UNet的输电线路绝缘子鸟粪污秽等级检测方法，其特征在于，所述S1拍摄过程中，将图像大小统一调整为640像素×640像素，针对光照和阴影的影响，数据集包含自然光，灯光和阳光直射条件下的样本，同时为确保伞形不挤压变形，首先使用支撑物来架起绝缘子，防止其倾斜并确保伞片处于同一水平面上，伞片不会相互交叠遮盖，其次，控制拍摄距离在0.7m，并调整摄像头与叶片表面的倾斜角度为30°，以减少形变和畸变影响。
3.根据权利要求1所述的一种基于改进UNet的输电线路绝缘子鸟粪污秽等级检测方法，其特征在于，所述S2采用标注软件对数据集中部分图像进行绝缘子和鸟粪区域的标注过程中，引入AL模型，进行智能标注。
4.根据权利要求1所述的一种基于改进UNet的输电线路绝缘子鸟粪污秽等级检测方法，其特征在于，所述S4中对UNet模型进行两方面改进，首先是在原有UNet模型中引入Soft-Attention注意力机制，将解码部分的特征图与其上一层编码
5.根据权利要求1所述的一种基于改进UNet的输电线路绝缘子鸟粪污秽等级检测方法，其特征在于，所述S6中，绝缘子鸟粪污秽划分等级为：当绝缘子附着鸟粪比率在10％及以下，则绝缘子鸟粪附着等级判定为轻度，当绝缘子附着鸟粪比率在10％-30％，则绝缘子鸟粪附着等级判定为中度，当绝缘子附着鸟粪比率在30％及以上，则绝缘子鸟粪附着等级判定为重度。
...【技术特征摘要】
1.一种基于改进unet的输电线路绝缘子鸟粪污秽等级检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于改进unet的输电线路绝缘子鸟粪污秽等级检测方法，其特征在于，所述s1拍摄过程中，将图像大小统一调整为640像素×640像素，针对光照和阴影的影响，数据集包含自然光，灯光和阳光直射条件下的样本，同时为确保伞形不挤压变形，首先使用支撑物来架起绝缘子，防止其倾斜并确保伞片处于同一水平面上，伞片不会相互交叠遮盖，其次，控制拍摄距离在0.7m，并调整摄像头与叶片表面的倾斜角度为30°，以减少形变和畸变影响。
3.根据权利要求1所述的一种基于改进unet的输电线路绝缘子鸟粪污秽等级检测方法，其特征在于，所述s2采用标注软件对数据集中部分图像进行绝缘子和鸟粪区域的标注过程中，引入al模型，进行智能标注。
4.根据权利要求1所述的一种基于改进unet的输...
【专利技术属性】
技术研发人员：孟玮，郭培恒，苟晓侃，田生祥，贾明辉，李杰，姚斌，邢政，王磊，王国鑫，刘彬，靳有军，王晓龙，田龙，张兴宇，李星涛，保善全，张剑波，马晓旭，丁玉剑，耿江海，岳佳君，马晓斌，应洪，付新程，翟玉龙，
申请(专利权)人：国网青海省电力公司，
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。