【技术实现步骤摘要】
本专利技术属于架空地线检测，具体涉及一种适用于巡检修补机器人的架空地线检测方法及系统。
技术介绍
1、高压输电线是电力系统的重要组成部分，其工况对电力系统的安全稳定运行具有重要的影响。由于其地处高地，加上绝缘水平差，很容易导致雷击现象。采取必要的措施对其进行避雷保护相当重要，加装架空地线就是一项最直接并且可靠的保护措施。由于输电线路跨度大，使得架空地线长期暴露于自然环境，尤其是地处偏远山区的输电线路，更易受到恶劣天气的影响，最终会导致架空地线断股，散股等故障，造成巨大的经济损失和严重的电气事故。
2、目前，针对架空地线故障的维修，采取的措施是电力系统高压作业人员定位到断散股的合适位置，采取人工作业的方式进行处理，借助特殊辅助作业工具开展地线断散股修补作业任务。地线断散股位置一般处于线路中央最大受力处，需要经过特殊训练的作业人员采用特种移动装备才能到达断散股位置，这种情况下人员处于高空和强电磁场环境下，存在危险性高、耗时长及劳动强度大等问题，并且修补作业过程中，必须身穿屏蔽服，从而使整个修补作业的效率和灵活性降低，劳动强度和危险性显著增加。
3、随着智能电网的发展，使电网的发展与社会科技的进步紧密的结合了起来，利用巡检修补机器人替代人工进行修补可以不受环境因素的限制，避免大量的重复性劳动，巡检修补机器人搭载的图像识别算法可以对架空地线的缺陷进行识别。
4、输电线路图像算法主要包括传统图像算法和基于深度学习的图像算法。传统的输电线路目标检测方法往往依赖于人工设计的特征提取器和手工调节的阈值，其性能
5、基于深度学习的图像检测模型分为大模型和轻量化模型，大模型部署于实际应用时，考虑到检测速度，往往需要图形处理器(gpu)，而该设备价格昂贵并且实际部署复杂；同时，随着移动端和边缘计算的普及，对于在资源受限的设备上运行高效模型的需求日益增加。轻量化模型能够在保持模型性能的同时，降低模型的计算和内存需求，提高系统的响应速度和效率。故在考虑到成本和设备受限的情况下对输电线路进行检测采用轻量化模型为一个更优的选择。但不同模型对于不同识别目标检测效果有一定差异，对模型选择则需要组建相应数据集进行模型训练，根据结果进行选择。
6、除此以外，由于架空地线中的障碍物及线路破损在图片中特征区域小且背景复杂，特征差异不明显，不能有效的依据障碍物或线路破损的特征信息进行识别。另外，轻量化模型由于参数量小，对于特征学能力有限，故检测效果不佳。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供一种适用于巡检修补机器人的架空地线检测方法及系统，本专利技术涉及的巡检修补机器人未搭载图形处理器(gpu)，旨在解决设备受限考虑成本的情况下提升目标检测精准度的问题。
2、本专利技术采取的技术方案为：
3、一种适用于巡检修补机器人的架空地线检测方法，包括以下步骤：
4、步骤1：获取的架空地线缺陷数据集，并对数据集进行预处理，得到架空地线缺陷图片的训练集和验证集；
5、步骤2：选择检测模型的训练设备、训练参数，设置评价指标；
6、步骤3：选择合适的轻量化检测模型；
7、步骤4：对轻量化检测模型进行改进，提升其对架空地线的识别能力。
8、所述步骤1包括以下步骤：
9、s1.1、本专利技术基于巡检修补机器人视角搭建实验平台，并将防震锤等障碍物安装在模拟的输电线路上，同时模拟架空地线在自然环境下的破损；
10、s1.2、将录像设备部署在巡检修补机器人上，并操纵机器人在线路上正常行走并录像，同时选择不同天气及不同光线条件下多次进行行走并录像；
11、s1.3、对得到的录像数据视频进行一帧一帧采样，并对图像进行筛选；
12、s1.4、对图像进行裁剪，保留中间位置的地线部分，去除图像两侧的无关信息；
13、s1.5、数据增广，对图像进行垂直翻转、水平翻转和添加高斯噪声；
14、s1.6、本专利技术最终数据集有4068张图片，将数据集按照8:2划分为训练集和验证集。
15、所述s1.5中，垂直翻转和水平翻转的公式分别为：
16、
17、式中：(x,y)表示源图像中的像素点坐标，(x′,y′)表示翻转后的像素点坐标，fh为原始图像的高度，fw为原始图像宽度。
18、高斯噪声的公式为：
19、
20、式中：f(x)表示高斯噪声概率密度，x表示架空地线图片像素，σ表示标准差，u表示均值。
21、所述步骤2包括以下步骤：
22、s2.1、选择合适的设备进行模型训练，为了节省训练时间，本专利技术选择的模型训练设备为：操作系统使用window11 64位，cpu为intel core i9-12900h，gpu为nvidiageforce rtx 3060laptop，运行内存16g，cuda为cuda11.6，开发语言为python3.8；
23、s2.2、训练前选择合适的实验参数，本专利技术选择参数为：批量大小为32，初始学习率设置为0.001，动量设置为0.9，优化器为adam，训练轮数设置为200轮；
24、s2.3、评价指标：
25、本专利技术的评价指标选择精确率(p)、召回率(r)、f1分数、准确率(accuracy)、参数量(params)、运算量gflops和模型大小，其中精确率、召回率f1分数、准确率评价模型的检测效果，参数量，运算量评价模型的复杂度，它们的公式如下：
26、
27、params＝ik2c+c
28、式中：tp表示模型正确地将正类样本预测为正类的数量，tn表示模型正确地将负类样本预测为负类的数量，fp表示模型错误地将负类样本预测为正类的数量，fn表示模型错误地将正类样本预测为负类的数量；i为输入尺寸，k为卷积核大小，c为输出尺寸。
29、所述步骤3包括如下步骤：
30、s3.1、根据检测效果比较模型，本专利技术用相同的数据集对mobilenetv2、googlenet、shufflenet、alexnet和resnet五种不同框架的网络结构进行训练，对比不同模型对架空地线检测的精确率、召回率、f1分数和准确率；
31、s32、对mobilenetv2、googlenet、shufflenet、alexnet和resne五种不同模型的复杂度进行综合评价，对比模型最终的参数量、运算量和模型大小；
32、综合s31和s32本专利技术选择mobilenetv2网络进行后续改进。
33、所述步骤4中，在mobilenetv2网络中添加注意力机制来使模型更好地理解本文档来自技高网...
【技术保护点】
1.一种适用于巡检修补机器人的架空地线检测方法，其特征在于包括以下步骤：
2.根据权利要求1所述一种适用于巡检修补机器人的架空地线检测方法，其特征在于：所述步骤1包括以下步骤：
3.根据权利要求2所述一种适用于巡检修补机器人的架空地线检测方法，其特征在于：所述S1.5中，垂直翻转和水平翻转的公式分别为：
4.根据权利要求1所述一种适用于巡检修补机器人的架空地线检测方法，其特征在于：所述步骤2包括以下步骤：
5.根据权利要求1所述一种适用于巡检修补机器人的架空地线检测方法，其特征在于：所述步骤3中，选择MobileNetV2网络进行后续改进。
6.根据权利要求5所述一种适用于巡检修补机器人的架空地线检测方法，其特征在于：所述步骤4中，在MobileNetV2网络中添加注意力机制来使模型更好地理解图像数据，从而提高模型的性能和效果，具体如下：在MobileNetV2网络结构中添加ECA注意力机制，得到ECA-MobileNetV2网络模型；
7.根据权利要求6所述一种适用于巡检修补机器人的架空地线检测方法，其特征
8.根据权利要求6所述一种适用于巡检修补机器人的架空地线检测方法，其特征在于：
9.根据权利要求6所述一种适用于巡检修补机器人的架空地线检测方法，其特征在于：
10.一种适用于巡检修补机器人的架空地线检测系统，其特征在于：包括图像显示模块、检测识别模块、机器人监视模块和人机交互界面；
...【技术特征摘要】
1.一种适用于巡检修补机器人的架空地线检测方法，其特征在于包括以下步骤：
2.根据权利要求1所述一种适用于巡检修补机器人的架空地线检测方法，其特征在于：所述步骤1包括以下步骤：
3.根据权利要求2所述一种适用于巡检修补机器人的架空地线检测方法，其特征在于：所述s1.5中，垂直翻转和水平翻转的公式分别为：
4.根据权利要求1所述一种适用于巡检修补机器人的架空地线检测方法，其特征在于：所述步骤2包括以下步骤：
5.根据权利要求1所述一种适用于巡检修补机器人的架空地线检测方法，其特征在于：所述步骤3中，选择mobilenetv2网络进行后续改进。
6.根据权利要求5所述一种适用于巡检修补机器人的架空地...
【专利技术属性】
技术研发人员：沈虹杜，施保华，蒋大伟，李昱达，伍箴燎，吴婷，
申请(专利权)人：三峡大学，
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。