【技术实现步骤摘要】
本专利技术涉及绝缘子检测，具体涉及一种输电线路绝缘子实时健康检测方法及系统。
技术介绍
1、绝缘子作为电力系统中不可或缺的组成部分，主要用于支持和隔离高压电线，防止电流通过空气或其他介质泄露，确保电力传输的稳定性和安全性，随着电力需求的不断增长和电力系统的日益复杂，对绝缘子的维护和检测提出了更高的要求；
2、传统的绝缘子检测方法主要包括人工巡视和定期维护，人工巡视依赖于经验丰富的技术人员，通过肉眼观察和手动工具进行检查，这种方法不仅效率低下，而且容易受到人为因素的影响，难以及时发现潜在的故障，定期维护虽然可以在一定程度上预防故障，但无法实时监控绝缘子的状态，存在较大的滞后性；
3、随着计算机视觉和深度学习技术的飞速发展，基于图像的目标检测技术逐渐成为绝缘子检测的新趋势，目标检测技术可以自动识别和定位图像中的绝缘子，实时监测其状态，大大提高了检测的准确性和效率，特别是在输电线路的日常巡检中，目标检测技术能够快速发现绝缘子的缺陷，如裂纹、破损、污染等，及时采取措施，避免因绝缘子故障导致的电力中断和安全事故。
4、现有技术存在以下不足：
5、尽管目标检测技术在绝缘子检测中展现出巨大潜力，但仍面临一些挑战，例如，输电线路环境复杂，背景干扰多，绝缘子的形状和颜色各异，这些因素都增加了检测的难度，目标在图像中的尺度变化较大，现有的检测算法在处理多尺度目标时性能不稳定，高性能的目标检测模型通常结构复杂，计算资源消耗大，难以在资源受限的设备上部署，虽然有些算法在精度上表现优秀，但在实时性方面存在不
技术实现思路
1、本专利技术的目的是提供一种输电线路绝缘子实时健康检测方法及系统，通过yolo-f模型，能够更准确地捕捉物体的真实形状和位置，在处理不同角度下绝缘子的检测时，通过直接回归边界框和旋转量，更好地拟合物体的实际轮廓，提高检测的精度。
2、为了实现上述目的，本专利技术提供如下技术方案：一种输电线路绝缘子实时健康检测方法，所述检测方法包括以下步骤：
3、检测系统控制无人机按照预定路径飞行，并通过无人机上的可见光成像仪采集输电线路沿线的图像，采集到的图像实时传输至检测系统；
4、检测系统首先对图像进行预处理，然后将预处理后的图像输入到预训练的yolo-f模型中，yolo-f模型包括主干网络、特征融合网络和自由检测头，yolo-f模型通过主干网络提取特征，并利用特征融合网络进行多尺度特征融合得到融合特征，将主干网络提取特征和融合特征传入自由检测头进行分析；
5、自由检测头分析主干网络提取特征和融合特征，分析结果通过非极大值抑制算法进一步处理，最终得到绝缘子健康检测结果，依据绝缘子健康检测结果生成相应的管理建议后，检测结果和管理建议映射至图像，图像同时保存至本地存储设备和上传至云端。
6、在一个优选的实施方式中，检测系统对图像进行预处理，包括以下步骤：
7、利用labelimg软件对图像中的绝缘子进行标注，绝缘子标注信息包括绝缘子中心的坐标、绝缘子边界框的宽度和高度，以及绝缘子边界框的旋转角度，并计算绝缘子边界框内所有像素点的偏心距：，式中，为像素点（i，j）的偏心距，为像素点的横坐标位置，为（i，j）像素点所在真实框的中心横坐标，为像素点的纵坐标，y为（i，j）像素点真实框的纵坐标，为（i，j）像素点所在真实框的框宽，为（i，j）像素点所在真实框的框高，为大于零的扰动，确保整个公式不为零，为自然底数。
8、在一个优选的实施方式中，将预处理后的图像输入到预训练的yolo-f模型中，yolo-f模型通过主干网络提取特征，包括以下步骤：
9、将经过预处理的图像传入yolo-f模型的输入层；
10、在卷积层上图像首先经过多层卷积操作，每个卷积层通过滑动卷积核在图像上进行局部特征的提取，每个卷积核用于检测图像中的特征，在每个卷积层后应用激活函数，并将负值设为零；
11、在卷积层之间，池化层用于降低特征图的尺寸，最大池化选择特征图中的最大值，池化操作使用预设步长逐层减小特征图的空间维度；
12、经过若干层的卷积和池化后，主干网络输出高维特征图，高维特征图包含图像中绝缘子的多层次特征信息。
13、在一个优选的实施方式中，yolo-f模型利用特征融合网络进行多尺度特征融合得到融合特征，包括以下步骤：
14、将主干网络输出的多个高纬特征图作为特征融合网络的输入，并在通道维度上对多个高纬特征图进行拼接操作；
15、拼接后的高纬特征图通过卷积层进一步处理，提取综合特征图，并在卷积层后，使用激活函数进行非线性转换；
16、在融合特征图后，应用池化层进行下采样，减少综合特征图的尺寸；
17、经过特征融合处理后，输出多个不同尺度的特征图，选择不同层的特征图进行后续目标检测；
18、融合后的特征图传递至yolo-f模型的自由检测头进行后续的目标检测和分类。
19、在一个优选的实施方式中，自由检测头分析主干网络提取特征和融合特征，分析结果通过非极大值抑制算法进一步处理，最终得到绝缘子健康检测结果，包括以下步骤：
20、将从主干网络提取的特征图和经过特征融合网络处理后的特征图传入yolo-f模型的自由检测头；
21、自由检测头根据输入的特征图生成预测的边界框，每个边界框由边界框的中心坐标、宽度、高度及旋转角度组成；
22、为每个预测的边界框输出类别概率分布，类别概率分布表示该边界框内包含不同类别物体的可能性；
23、自由检测头根据预测的边界框和类别概率生成一组候选框，为每个候选框计算置信度；
24、将所有候选框根据置信度由大到小进行排序，从置信度最高的候选框开始，保留该候选框并计算与其他候选框的重叠区域，通过交并比阈值来判断重叠程度：
25、若某个候选框的重叠程度超过交并比阈值，将该候选框删除，重复此过程，直到所有候选框被处理完毕；
26、经过处理后，剩下的候选框即为最终检测结果，将最终保留的边界框作为yolo-f模型的输出结果。
27、在一个优选的实施方式中，自由检测头根据预测的边界框和类别概率生成一组候选框，为每个候选框计算置信度，包括以下步骤：
28、对于每个候选框，置信度的计算表达式为：
29、，式中，为置信度，表示候选框内存在绝缘子概率，是预测边界框与真实边界框的重叠程度，为可见光成像仪焦距偏移量，、、分别为调节系数，且、、均大于0。
30、在一个优选的实施方式中，所述候选框内容包括边界框位置和尺寸、类别标签、类别概率、重叠程度以及绝缘子健康检测结果；
31、绝缘子健康检测结果的获取步骤为：
32、将破损占比值以及中心坐标总偏差进行归一化处理，使破损占比值以及中心坐标总偏差本文档来自技高网...
【技术保护点】
1.一种输电线路绝缘子实时健康检测方法，其特征在于：所述检测方法包括以下步骤：
2.根据权利要求1所述的一种输电线路绝缘子实时健康检测方法，其特征在于：检测系统对图像进行预处理，包括以下步骤：
3.根据权利要求2所述的一种输电线路绝缘子实时健康检测方法，其特征在于：将预处理后的图像输入到预训练的YOLO-F模型中，YOLO-F模型通过主干网络提取特征，包括以下步骤：
4.根据权利要求3所述的一种输电线路绝缘子实时健康检测方法，其特征在于：YOLO-F模型利用特征融合网络进行多尺度特征融合得到融合特征，包括以下步骤：
5.根据权利要求4所述的一种输电线路绝缘子实时健康检测方法，其特征在于：自由检测头分析主干网络提取特征和融合特征，分析结果通过非极大值抑制算法进一步处理，最终得到绝缘子健康检测结果，包括以下步骤：
6.根据权利要求5所述的一种输电线路绝缘子实时健康检测方法，其特征在于：自由检测头根据预测的边界框和类别概率生成一组候选框，为每个候选框计算置信度，包括以下步骤：
7.根据权利要求6所述的一种输电线路绝
8.根据权利要求7所述的一种输电线路绝缘子实时健康检测方法，其特征在于：将带有绝缘子的边界框划分为若干1×1网格，通过图像识别算法识别绝缘子表面的所有裂缝、孔洞，记录裂缝、孔洞所占网格数量，将裂缝、孔洞所占网格数量比上边界框网格总数获取破损占比值，在监测时间段内获取带有绝缘子的多帧图像，获取多帧图像中绝缘子的中心坐标，基于欧式距离计算公式计算多帧图像绝缘子的中心坐标总偏差，表达式为：，式中，为中心坐标总偏差，为图像帧数，为第帧图像的中心坐标，为第帧图像的中心坐标。
9.一种输电线路绝缘子实时健康检测系统，用于实现权利要求1-8任一项所述的检测方法，其特征在于：包括图像采集模块、特征分析模块、健康检测模块；
...【技术特征摘要】
1.一种输电线路绝缘子实时健康检测方法，其特征在于：所述检测方法包括以下步骤：
2.根据权利要求1所述的一种输电线路绝缘子实时健康检测方法，其特征在于：检测系统对图像进行预处理，包括以下步骤：
3.根据权利要求2所述的一种输电线路绝缘子实时健康检测方法，其特征在于：将预处理后的图像输入到预训练的yolo-f模型中，yolo-f模型通过主干网络提取特征，包括以下步骤：
4.根据权利要求3所述的一种输电线路绝缘子实时健康检测方法，其特征在于：yolo-f模型利用特征融合网络进行多尺度特征融合得到融合特征，包括以下步骤：
5.根据权利要求4所述的一种输电线路绝缘子实时健康检测方法，其特征在于：自由检测头分析主干网络提取特征和融合特征，分析结果通过非极大值抑制算法进一步处理，最终得到绝缘子健康检测结果，包括以下步骤：
6.根据权利要求5所述的一种输电线路绝缘子实时健康检测方法，其特征在于：自由检测头根据预测的边界框...
【专利技术属性】
技术研发人员：曾兵，廖展鹏，刘邦，曾赟，万好，郝仕涛，陈宇聪，华威，李得志，巫平强，易可欣，金子涵，刘剑冰，谢云敏，杨小品，张文华，
申请(专利权)人：南昌工程学院，
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。