【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及基于x光图像的架空导线覆冰厚度测量方法及系统。
技术介绍
1、当遭遇寒潮冻雨极端天气时，可能引发架空导线覆冰，严重时可能导致断线、倒塔事故。覆冰厚度的测量用于决定进行除冰的时机，若测量不准确，导致覆冰厚度超过设计的覆冰厚度会出现断线、倒塔的事故。
2、现有的覆冰厚度测量方法主要是采用布置传感器测量、拍摄图片算法输出覆冰厚度等。布置传感器测量厚度法耗费成本较大，且无法对整段导线进行测量，长时间放置户外传感器易损坏。拍摄图片算法输出厚度的方法准确性不足，受环境、图片质量等因素的影响很大，可能会产生较大的误差。专利公开号cn106595551a公开了一种基于深度学习的覆冰厚度测量方法，通过收集大量的覆冰图像进行训练得到覆冰厚度模型，但该方法收集的覆冰图像仅仅是基于摄像头拍摄的二维图片，受拍摄角度、距离以及图片噪点的影响，难以准确的输出覆冰的厚度，且依赖经验的判断。专利公开号cn112595276a公开了一种基于卷积神经网络的覆冰测量方法，使用拍摄的覆冰图片进行模型训练，但覆冰图片的质量对测量结果影响较大，若图片质量不佳则准确性不够高，并且卷积神经网络的算法不够轻量，运行耗费时间较大，无法进行前端应用。
技术实现思路
1、针对现有的架空导线覆冰测量方法的不足，本专利技术提出了一种基于x光图像的架空导线覆冰厚度测量方法及系统，提高覆冰厚度测量的准确性和便捷性。
2、本专利技术采用的技术方案是：一种基于x光图像的架空导线覆冰厚度测量方法，
3、步骤s1：采用多种材料和线径的架空导线开展覆冰试验，通过x射线成像仪拍摄不同环境和拍摄角度下架空导线覆冰x光图像，对架空导线覆冰x光图像进行三分类标注，以区分架空导线区域、覆冰区域和空气区域三种类别，构建样本图像集，并划分训练集和验证集；
4、步骤s2：利用bifpn模块对yolov8模型颈部网络（neck）的融合模块（concat）进行替换，并重置颈部网络所有可学习参数，构建架空导线覆冰x光图像智能分割模型，导入训练集训练架空导线覆冰x光图像智能分割模型并采用rmsprop算法优化架空导线覆冰x光图像智能分割模型的参数以最小化损失函数，得到优化后的架空导线覆冰x光图像智能分割模型；
5、步骤s3：采用突触流分数对架空导线覆冰x光图像智能分割模型中的主干网络（backbone）进行剪枝操作，通过k-means聚类算法稀疏量化架空导线覆冰x光图像智能分割模型中的激活值，得到轻量化架空导线覆冰x光图像智能分割模型；
6、步骤s4：利用轻量化架空导线覆冰x光图像智能分割模型对现场拍摄的架空导线覆冰x光图像进行分割，输出覆冰区域二值图像，通过图像处理算法提取覆冰区域二值图像最大像素厚度和平均像素厚度，反演得到实际覆冰厚度。
7、进一步优选，步骤s1中所述拍摄角度为0°、45°、90°和135°。
8、进一步优选，步骤s1中，将架空导线固定在人工气候室中，所述人工气候室设有用于喷水雾的喷雾装置、鼓风机和温度调节装置，通过喷雾装置调节湿度，通过鼓风机控制风速，通过温度调节装置调节温度，以模拟不同湿度、温度和风速下架空导线表面结冰形成覆冰层。
9、进一步优选，步骤s1中，选用旋转、高斯滤波和对比度增强中一种或多种对架空导线覆冰x光图像进行扩增。
10、进一步优选，所述架空导线覆冰x光图像智能分割模型包括主干网络、颈部网络和头部网络，主干网络依次由第1卷积块、第2卷积块、第1c2f模块、第3卷积块、第2c2f模块、第4卷积块、第3c2f模块、第5卷积块、第4c2f模块和sppf模块构成；颈部网络包括第1上采样模块、第2上采样模块、第5c2f模块、第6c2f模块、第7c2f模块、第8c2f模块、第6卷积块、第7卷积块、第1bifpn模块、第2bifpn模块、第3bifpn模块和第4bifpn模块，sppf模块输出的特征经第1上采样模块处理后与第3c2f模块输出的特征通过第1bifpn模块进行融合，第1bifpn模块融合后的特征输入第5c2f模块处理；第5c2f模块输出的特征经第2上采样模块处理后与第2c2f模块输出的特征通过第2bifpn模块进行融合，第2bifpn模块融合后的特征输入第6c2f模块处理，第6c2f模块输出的特征经第6卷积块卷积处理，第6卷积块输出的特征与第5c2f模块输出的特征通过第3bifpn模块进行融合，第3bifpn模块融合后的特征依次经第7c2f模块和第7卷积块处理，第7卷积块输出的特征与sppf模块输出的特征通过第4bifpn模块进行融合，第4bifpn模块融合后的特征经第8c2f模块处理。
11、进一步优选，头部网络包括第1分割头、第2分割头和第3分割头，第6c2f模块输出的特征作为第1分割头的输入，第7c2f模块输出的特征作为第2分割头的输入，第8c2f模块输出的特征作为第3分割头的输入，第1分割头用于输出架空导线区域，第2分割头用于输出覆冰区域，第3分割头用于输出空气区域。
12、进一步优选，步骤s3中所述突触流分数具体定义为：
13、；
14、其中：s表示突触流分数，f为架空导线覆冰x光图像智能分割模型输出函数,θ为架空导线覆冰x光图像智能分割模型可学习参数，x是输入图像像素值，表示绝对值函数。
15、进一步优选，步骤s4中所述图像处理算法具体为：沿架空导线区域中线剪裁图像并分别检测最大连通域，对连通域大于2的图像进行膨胀和腐蚀操作，采用椭圆拟合算法得到相应区域厚度。
16、本专利技术还公开了一种基于x光图像的架空导线覆冰厚度测量系统，包括：
17、覆冰试验模块，用于开展覆冰试验，通过x射线成像仪拍摄不同环境和拍摄角度下架空导线覆冰x光图像；
18、无人机巡检模块，通过无人机搭载x射线成像仪现场拍摄架空导线覆冰x光图像；
19、图像分割模块，用于部署轻量化架空导线覆冰x光图像智能分割模型；通过轻量化架空导线覆冰x光图像智能分割模型对现场拍摄的架空导线覆冰x光图像进行分割，输出覆冰区域二值图像；
20、反演计算模块，通过图像处理算法提取覆冰区域二值图像最大像素厚度和平均像素厚度，反演得到实际覆冰厚度。
21、本专利技术的技术效果：利用bifpn模块对yolov8模型颈部网络（neck）的融合模块（concat）进行替换，采用rmsprop算法优化架空导线覆冰x光图像智能分割模型的参数以最小化损失函数，使架空导线覆冰x光图像智能分割模型能够准确分割出架空导线x光图像中架空导线区域、覆冰区域和空气区域；利用突触流分数和k-means聚类算法压缩模型参数量和减少模型运行算力要求，实现模型轻量化。
本文档来自技高网...【技术保护点】
1.一种基于X光图像的架空导线覆冰厚度测量方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于X光图像的架空导线覆冰厚度测量方法，其特征在于，步骤S1中所述拍摄角度为0°、45°、90°和135°。
3.根据权利要求1所述的基于X光图像的架空导线覆冰厚度测量方法，其特征在于，步骤S1中，将架空导线固定在人工气候室中，所述人工气候室设有用于喷水雾的喷雾装置、鼓风机和温度调节装置，通过喷雾装置调节湿度，通过鼓风机控制风速，通过温度调节装置调节温度，以模拟不同湿度、温度和风速下架空导线表面结冰形成覆冰层。
4.根据权利要求1所述的基于X光图像的架空导线覆冰厚度测量方法，其特征在于，步骤S1中，选用旋转、高斯滤波和对比度增强中一种或多种对架空导线覆冰X光图像进行扩增。
5.根据权利要求1所述的基于X光图像的架空导线覆冰厚度测量方法，其特征在于，所述架空导线覆冰X光图像智能分割模型包括主干网络、颈部网络和头部网络，主干网络依次由第1卷积块、第2卷积块、第1C2f模块、第3卷积块、第2C2f模块、第4卷积块、第3C2f模块、第5卷积块
6.根据权利要求5所述的基于X光图像的架空导线覆冰厚度测量方法，其特征在于，头部网络包括第1分割头、第2分割头和第3分割头，第6C2f模块输出的特征作为第1分割头的输入，第7C2f模块输出的特征作为第2分割头的输入，第8C2f模块输出的特征作为第3分割头的输入，第1分割头用于输出架空导线区域，第2分割头用于输出覆冰区域，第3分割头用于输出空气区域。
7.根据权利要求1所述的基于X光图像的架空导线覆冰厚度测量方法，其特征在于，步骤S3中所述突触流分数具体定义为：
8.根据权利要求1所述的基于X光图像的架空导线覆冰厚度测量方法，其特征在于，步骤S4中所述图像处理算法具体为：沿架空导线区域中线剪裁图像并分别检测最大连通域，对连通域大于2的图像进行膨胀和腐蚀操作，采用椭圆拟合算法得到相应区域厚度。
9.一种基于X光图像的架空导线覆冰厚度测量系统，其特征在于，包括：
10.根据权利要求9所述的基于X光图像的架空导线覆冰厚度测量系统，其特征在于，头部网络包括第1分割头、第2分割头和第3分割头，第6C2f模块输出的特征作为第1分割头的输入，第7C2f模块输出的特征作为第2分割头的输入，第8C2f模块输出的特征作为第3分割头的输入，第1分割头用于输出架空导线区域，第2分割头用于输出覆冰区域，第3分割头用于输出空气区域。
...【技术特征摘要】
1.一种基于x光图像的架空导线覆冰厚度测量方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于x光图像的架空导线覆冰厚度测量方法，其特征在于，步骤s1中所述拍摄角度为0°、45°、90°和135°。
3.根据权利要求1所述的基于x光图像的架空导线覆冰厚度测量方法，其特征在于，步骤s1中，将架空导线固定在人工气候室中，所述人工气候室设有用于喷水雾的喷雾装置、鼓风机和温度调节装置，通过喷雾装置调节湿度，通过鼓风机控制风速，通过温度调节装置调节温度，以模拟不同湿度、温度和风速下架空导线表面结冰形成覆冰层。
4.根据权利要求1所述的基于x光图像的架空导线覆冰厚度测量方法，其特征在于，步骤s1中，选用旋转、高斯滤波和对比度增强中一种或多种对架空导线覆冰x光图像进行扩增。
5.根据权利要求1所述的基于x光图像的架空导线覆冰厚度测量方法，其特征在于，所述架空导线覆冰x光图像智能分割模型包括主干网络、颈部网络和头部网络，主干网络依次由第1卷积块、第2卷积块、第1c2f模块、第3卷积块、第2c2f模块、第4卷积块、第3c2f模块、第5卷积块、第4c2f模块和sppf模块构成；颈部网络包括第1上采样模块、第2上采样模块、第5c2f模块、第6c2f模块、第7c2f模块、第8c2f模块、第6卷积块、第7卷积块、第1bifpn模块、第2bifpn模块、第3bifpn模块和第4bifpn模块，sppf模块输出的特征经第1上采样模块处理后与第3c2f模块输出的特征通过第1bifpn模块进行融合，第1bifpn模块融合后的特征输入第5c2f模块处理；第5c2f模块输出的特征经第2上采样模块处理后与第2c2f模块输出的特征通过第2bifpn模块进行融合，第2bifpn模块融合后的特...
【专利技术属性】
技术研发人员：吴诗优，刘洲，李明，张征，谭和财，蔡礼，王永华，付师璕，王颖，万晗晖，尚文辉，秦子恺，付熙玮，付理祥，周福文，
申请(专利权)人：国网江西省电力有限公司南昌供电分公司，
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。