【技术实现步骤摘要】
本专利技术涉及缺陷检测领域，尤其是指一种高空电缆保护套缺陷检测方法和装置。
技术介绍
1、在当今城市现代化建设不断推进的背景下，高压电缆作为供电系统中不可或缺的重要组成部分，在城市的电力供应领域发挥着至关重要的作用。电缆保护套作为高压电缆的重要保护部分，其表面缺陷的检测显得尤为重要。这些缺陷受到多种因素的影响，包括外力冲击、气候环境因素、电缆老化、设计缺陷和外部腐蚀物质等。任何程度的损伤都可能逐渐演变成故障点，威胁到电力系统的安全运行。传统的人工巡检方式在检测高压电缆保护套表面缺陷时存在多方面不足：主观性强导致判断标准不一致；依赖人力费时费力且易受人员疲劳影响；覆盖范围有限可能出现盲区；对细微缺陷敏感度不高易漏检；数据记录和分析不完善存在记录错误风险，这对于电缆长期运行造成严重的安全隐患。
2、目前，针对运行中的电缆进行带电检测的方法主要包括超声波和高频局放检测。然而，这些方法容易受到现场干扰的影响。另一种方法是采用x射线影像分析，可以直观展示设备内部结构，但有时会受到射线散射的影响，影响图像的清晰度。总的来说，现有的这些方法都需要工程师根据波形或图像结合经验来进行判断，这种方式不利于快速、准确地确定故障类型。
3、中国专利公开号cn117309885a，名称为一种多光谱融合的高压电缆缺陷检测方法及系统的专利中公开了一种多光谱融合的高压电缆缺陷检测方法及系统，检测系统包括光谱激励模块、光谱接收模块、系统控制模块以及数据及图形处理模块；并提供的一种多光谱融合的高压电缆缺陷检测方法及系统，融合了可见光、红外、
技术实现思路
1、本专利技术的目的是克服现有技术中的对于高空电缆保护套的缺陷检测容易受到现场干扰的影响，需要人工进行分析和判断，无法实现自动化检测，缺陷检测的效率较低的缺点，提供一种高空电缆保护套缺陷检测方法和装置。
2、本专利技术的目的是通过下述技术方案予以实现：
3、一种高空电缆保护套缺陷检测方法，包括以下步骤：
4、步骤1，采集高空电缆保护套表面的图像，图像包括rgb图像和红外热图；
5、步骤2，对rgb图像和红外热图进行配准对齐；
6、步骤3，对高空电缆保护套表面的图像进行缺陷类别与位置标记，生成高空电缆保护套表面缺陷数据集，并对数据集进行预处理；
7、步骤4，基于高空电缆保护套表面缺陷数据集，将rgb图像和红外热图进行融合，生成对应的融合权重；
8、步骤5，构建基于融合的rgb图像和红外热图的hl-yolo模型；
9、步骤6，基于高空电缆保护套表面缺陷数据集对hl-yolo模型进行训练；
10、步骤7，利用训练完成的hl-yolo模型对高空电缆保护套进行实时检测。
11、yolo(you only look once)，是一种目标检测算法，它通过将目标检测任务转化为单次回归问题，实现了对图像中物体的快速准确检测。hl-yolo模型是对yolo模型的一种改进，特别适用于本方案的对于高空电缆保护套表面的图像识别。本方案的设计，通过采集rgb图像和红外热图，能够获取电缆保护套表面的更多信息。rgb图像提供了颜色、纹理等视觉特征，而红外热图则揭示了温度分布，有助于识别因缺陷导致的温度变化。两者结合，可以更准确地检测和识别保护套的缺陷。通过构建并预处理高空电缆保护套表面缺陷数据集，模型能够在训练过程中学习到更多样化的缺陷样本，从而提升其泛化能力。利用训练完成的hl-yolo模型进行实时检测，可以快速、准确地识别出保护套的缺陷，为及时维修和更换提供有力支持。这有助于减少因缺陷导致的电缆故障，保障电力系统的稳定运行。
12、作为优选，所述的步骤2中，对rgb图像和红外热图进行配准对齐后，还对数据增强，具体操作为：亮度调节、图片随机翻转和灰度转换。
13、作为优选，所述的步骤5中，hl-yolo模型为在yolov8算法的基础上增加以下算法构建而成：
14、a)使用迁移学习，使hl-yolo具有融合rgb图像和红外热图的能力；
15、b)加入可变形卷积；
16、c)引入mobilenet-v3轻量级神经网络；
17、d)优化ciou损失函数。
18、作为优选，所述的使用迁移学习，使hl-yolo具有融合rgb图像和红外热图的能力，具体为：
19、步骤301，针对红外热图存在的边缘模糊问题，采用canny算子进行预处理；
20、步骤302，设计特征融合网络fusionnet(一种结合了多种数据源进行深度图补全或语义分割的深度学习网络)，将两类图片融合成为一张图片；
21、步骤303，基于高空电缆保护套缺陷数据集训练fusionnet；
22、步骤304，采用迁移学习将训练完成的fusionnet编码部分单独取出；
23、步骤305，将fusionnet编码部分放置于yolov8头部，实现网络对两类图像的融合功能。
24、作为优选，所述的加入可变形卷积，具体为：
25、步骤401，将c2f模块中三层分流的第二层融合可变形卷积，使模型感受野更趋近电缆保护套缺陷特征，其中可变形卷积的公式为：
26、
27、其中，w为权重矩阵，x为卷积核所覆盖的特征矩阵，p0为卷积核中心所经过的张量位置，pn为p0在卷积核范围内的每个偏移量，δpn则在该卷积核的每个偏移量上额外新增的可学习偏移量，
28、步骤402，将c2f中原有的激活函数替换为h-swish激活函数，其公式为：
29、
30、其中，relu表示relu函数；
31、步骤s403，将hl-yolo模型的主干网络中第二以及第四层替换为改进后的c2f模块，使模型注意力分布更符合电缆保护套细长缺陷的特征。
32、作为优选，所述的优化ciou损失函数为：
33、在原有ciou惩罚项的基础上继续引入eiou对于长宽值的惩罚，同时加入可调参数α，调节各惩罚项的比例，公式为：
34、
35、其中，ρ表示欧氏距离计算公式，b、w和h分别表示预测框中心点、宽和高的信息，bgt、wgt和hgt分别表示目标框中心点、宽和高的信息，c表示包含预测框和真实框最小区域的对角线，cw和ch分别表示覆盖预测框和真实框的最小外接框的宽和高，α为可调参数，用于手动调节惩罚项。
36、作为优选，所述的步骤6中基于高空电缆保护套表面缺陷数据集对hl-yolo模型进行训练过程为：使用的训练参数包括试验训练轮次epochs、喂入批次的文件batch-size、工作最大核心数w本文档来自技高网...
【技术保护点】
1.一种高空电缆保护套缺陷检测方法，其特征是，包括以下步骤：
2.根据权利要求1所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的步骤2中，对RGB图像和红外热图进行配准对齐后，还对数据增强，具体操作为：亮度调节、图片随机翻转和灰度转换。
3.根据权利要求1所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的步骤5中，HL-YOLO模型为在YOLOv8算法的基础上增加以下算法构建而成：
4.根据权利要求3所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的使用迁移学习，使HL-YOLO具有融合RGB图像和红外热图的能力，具体为：
5.根据权利要求3所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的加入可变形卷积，具体为：
6.根据权利要求3所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的优化CIoU损失函数为：
7.根据权利要求1所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的步骤6中基于高空电缆保护套表面缺陷数据集对HL-YOLO模型进行训练过程为：使用的训练参数包括试验训练轮次ep
8.根据权利要求1所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的步骤7中，利用训练完成的HL-YOLO模型对高空电缆保护套进行实时检测在人机交互界面下操作运行，所述的人机交互界面在windows系统或linux系统下运行。
9.一种高空电缆保护套缺陷检测装置，其特征是，所述装置包括保护外壳(1)，滚轮(2)，驱动电机(3)，摄像头模组(4)，控制单元(5)和LED灯带(6)；所述的摄像头模组(4)安装在保护外壳(1)内侧中间部分；驱动电机(3)与滚轮(2)采用齿轮皮带方式传动，安装于保护外壳(1)两端，为整个装置提供动力；摄像头模组(4)采集到数据后传递给控制单元(5)，控制单元(5)通过无线通信的方式将数据传输给终端设备如手柄或可接入网络的电脑，终端设备中装有人机交互界面的脚本文件，该脚本文件中包含有预先训练完成的HL-YOLO模型，用于实时对拍摄的图像进行检测，并将最终的检测结果存至人机交互界面的文本框中实现记录功能。
...【技术特征摘要】
1.一种高空电缆保护套缺陷检测方法，其特征是，包括以下步骤：
2.根据权利要求1所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的步骤2中，对rgb图像和红外热图进行配准对齐后，还对数据增强，具体操作为：亮度调节、图片随机翻转和灰度转换。
3.根据权利要求1所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的步骤5中，hl-yolo模型为在yolov8算法的基础上增加以下算法构建而成：
4.根据权利要求3所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的使用迁移学习，使hl-yolo具有融合rgb图像和红外热图的能力，具体为：
5.根据权利要求3所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的加入可变形卷积，具体为：
6.根据权利要求3所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的优化ciou损失函数为：
7.根据权利要求1所述的一种高空电缆保护套缺陷检测方法，其特征是，所述的步骤6中基于高空电缆保护套表面缺陷数据集对hl-yolo模型进行训练过程为：使用的训练参数包括试验训练轮次epochs、喂入批次...
【专利技术属性】
技术研发人员：邓超，耿飞，沈中尉，金辰远，陈柏军，方银权，陆强，陈彦，向高平，任文文，于海波，周叶枫，郭静然，叶菁，
申请(专利权)人：国网浙江省电力有限公司余姚市供电公司，
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。