【技术实现步骤摘要】
本专利技术涉及抽水蓄能机组绝缘缺陷检测，具体涉及一种基于机器人结合改进rt-detr（rtdetr_r18vd_6x_coco）算法的抽水蓄能机组绝缘缺陷检测方法。
技术介绍
1、随着绿色发电技术的发展，水电，风电等新能源在电力供应中的占比逐步提高。然而，新能源发电受自然条件制约较大，具有“靠天吃饭”的特性，这导致电力供应稳定性不足。在这种背景下，抽水蓄能电站恰好能满足对电力灵活调节的迫切需求，可以说是确保以新能源为主体的新型电力系统安全、稳定运行的重要基石。
2、运转中的发电机都将不可避免的会受到电网高磁应力影响、经受有潜在破坏力的瞬变冲击（如电压偏移、频率波动和负相序电流等），以及来自汽轮机转子高机械扭力和离心力等作用，从而使得发电机的转定子呈现不同程度的振动表象。如果能及时发现并消除较容易处理的故障缺陷，就能尽量避免此类恶劣事件的发生。
3、机器人技术不断发展进步，新近开发的先进机器人在多台发电机检测和状态评价中表现非凡，发挥了突出作用。但是，在免拆卸检修对象方面，能够现场完成检修过程的爬壁机器人研究较少，特别是在大型发电机膛内故障检测机器人领域，相关研究严重缺乏。且当前中国各电厂多数发电机存过度抽转子检修的问题，急需拓展该领域的研究来解决这一问题。因此，急需要研究一种可靠的缺陷检测方法，使其能够在少抽、不抽转子的情况下对机组绝缘缺陷进行检测。
技术实现思路
1、本专利技术需要解决的技术问题是提供一种基于机器人结合改进rt-detr算法的抽水蓄能机组绝
2、为解决上述技术问题，本专利技术所采取的技术方案如下。
3、一种基于机器人结合改进rt-detr算法的抽水蓄能机组绝缘缺陷检测方法，包括括以下步骤：
4、s1.用机器人作为数据采集端，在不抽转子情况下于抽水蓄能机组膛内收集图像数据，作为原始数据集；
5、s2.标记原始数据集中缺陷类型和缺陷位置，同时用数据增强技术对原始数据集进行处理，对数据进行切分，得到训练集、验证集与测试集；
6、s3.构建改进的rt-detr神经网络模型，用训练集和验证集对神经网络进行训练，用测试集对神经网络模型进行测评，进行多轮的训练，在多轮训练与测试中，选取最好的一个符合工业标准要求的模型作为缺陷检测模型；
7、s4.将缺陷检测模型部署到视觉系统处理端内，在作业时处理数据采集端机器人传回的数据，对抽水蓄能机组转子进行缺陷检测。
8、优选的，所述步骤s1中用搭载了高分辨率且低照度环境适应性强的图像采集设备的履带式电机驱动巡检机器人通过预设的路径规划收集抽水蓄能机组膛内的图像，作为原始的数据。
9、优选的，所述步骤s2中标记原始数据集中缺陷类型和缺陷位置包括：对原始图像用lableme软件进行有监督的人工标注，缺陷类型包括定子表面绝缘受损、定子铁芯叠片变色移位、定子膛内槽楔表面有可见灰尘和白色沉积物、转子表面有被电流击伤痕迹、转子通风孔堵塞和转子动平衡螺栓松动。
10、优选的，所述步骤s2中用数据增强技术对原始数据集进行处理包括：
11、用albumentations库进行图像变换操作，对原始图像的张量依次进行几何变换、弹性变换和网格扭曲操作，每一个变换生成3张图像；
12、将处理后的数据合为一个数据集，用μ= 0,σ= 1的正态分布作为差值进行随机调整各个通道的亮度和对比度，同时用高斯加噪和动态模糊进一步提升算法的鲁棒性，每一次变换生成3张图像；
13、将数据切分为训练集、验证集与测试集。
14、优选的，所述步骤s3中改进的rt-detr神经网络模型包括：
15、骨干网络：输入图像通过fasternet进行特征提取，最终输出多个尺度的特征图捕获图像中的不同细节层次；
16、高效混合编码器：包含对最后一个特征图进行处理的解码器模块aifi和使用特征金字塔网络实现最后三个特征图跨尺度融合的ccfm模块；所述ccfm模块中加入自研的小目标检测头进行处理，包括利用双线性差值算法进行上采样、深度可分离卷积以及将特征图合并后通过repc3模块；
17、iou感知查询选择：约束模型在训练期间为具有高iou分数的特征产生高分类分数，为具有低iou得分的特征产生低分类分数；
18、解码器：接收编码器和iou感知查询选择模块的输出，并利用自注意力和编码器-解码器注意力机制来预测目标的位置和类别。
19、优选的，所述fasternet由部分卷积和逐点卷积的结合代替普通卷积；所述部分卷积中只对输入的部分通道应用普通卷积来提取空间特征，只采用第一个或最后一个连续通道作为计算整个特征映射的代表；所述逐点卷积中卷积核的尺寸为1x1，卷积操作仅在单个像素点上进行，对输入特征图的单个像素点进行线性变换；在进行图嵌入模块处理后，依次通过“—fasternet block——merging——fasternet block——merging——fasternetblock——merging——fasternet block——global pool——1*1conv——fc—”，最终输出多个尺度的特征图捕获图像中的不同细节层次。
20、优选的，所述小目标检测头处理中利用双线性差值算法进行上采样包括：求未知函数f在点p = (x,y) 的值，已知函数f在q11 = (x1,y1)、q12 = (x1,y2),q21 = (x2,y1)以及q22 = (x2,y2) 四个点的值；
21、第一步：x方向的线性插值，在q12,q22中插入r2，q11，q21中插入r1；
22、
23、第二步：y方向的线性插值，通过第一步计算出的r1与r2在y方向上插值计算出p点：
24、。
25、优选的，所述深度可分离卷积为先用深度卷积处理图片，且深度卷积卷积核为单通道模式，对输入的每一个通道进行卷积，得到和输入特征图通道数一致的输出特征图；再用逐点卷积对图像进行处理；所述将特征图合并后通过repc3模块是指将经过双线性插值算法、深度可分离卷积后的输出特征图合并在一起后通过重复三次的残差模块。
26、优选的，所述步骤s4中对抽水蓄能机组转子进行缺陷检测包括：
27、视频帧诊断：通过python3部署的算法服务对传回的视频帧进行诊断；
28、结果存储：将诊断结果保存至本地mariadb数据库，识别到缺陷时将帧图片标注前与标注后保存至图像数据库；
29、性能评估：根据预测框与真实框的交并比计算精确率p、召回率r、平均精度ap和均值平均精度map。
30、优选的，所述精确率p计算公式为：
31、
32、其中， tp为正确预测为正类的样本数量； fp为错本文档来自技高网...
【技术保护点】
1.一种基于机器人结合改进RT-DETR算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于机器人结合改进RT-DETR算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述步骤S1中用搭载了高分辨率且低照度环境适应性强的图像采集设备的履带式电机驱动巡检机器人通过预设的路径规划收集抽水蓄能机组膛内的图像，作为原始的数据。
3.根据权利要求1所述的一种基于机器人结合改进RT-DETR算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述步骤S2中标记原始数据集中缺陷类型和缺陷位置包括：对原始图像用lableme软件进行有监督的人工标注，缺陷类型包括定子表面绝缘受损、定子铁芯叠片变色移位、定子膛内槽楔表面有可见灰尘和白色沉积物、转子表面有被电流击伤痕迹、转子通风孔堵塞和转子动平衡螺栓松动。
4.根据权利要求1所述的一种基于机器人结合改进RT-DETR算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述步骤S2中用数据增强技术对原始数据集进行处理包括：
5.根据权利要求1所述的一种基于机器人结合改进
6.根据权利要求5所述的一种基于机器人结合改进RT-DETR算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述FasterNet由部分卷积和逐点卷积的结合代替普通卷积；所述部分卷积中只对输入的部分通道应用普通卷积来提取空间特征，只采用第一个或最后一个连续通道作为计算整个特征映射的代表；所述逐点卷积中卷积核的尺寸为1x1，卷积操作仅在单个像素点上进行，对输入特征图的单个像素点进行线性变换；在进行图嵌入模块处理后，依次通过“—FasterNet Block——merging——FasterNet Block——merging——FasterNet Block——merging——FasterNet Block——Global Pool——1*1Conv——FC—”，最终输出多个尺度的特征图捕获图像中的不同细节层次。
7.根据权利要求5所述的一种基于机器人结合改进RT-DETR算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述小目标检测头处理中利用双线性差值算法进行上采样包括：求未知函数f在点P = (x,y) 的值，已知函数f在Q11 = (x1,y1)、Q12 = (x1,y2),Q21 =(x2,y1) 以及Q22 = (x2,y2) 四个点的值；
8.根据权利要求5所述的一种基于机器人结合改进RT-DETR算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述深度可分离卷积为先用深度卷积处理图片，且深度卷积卷积核为单通道模式，对输入的每一个通道进行卷积，得到和输入特征图通道数一致的输出特征图；再用逐点卷积对图像进行处理；所述将特征图合并后通过RepC3模块是指将经过双线性插值算法、深度可分离卷积后的输出特征图合并在一起后通过重复三次的残差模块。
9.根据权利要求5所述的一种基于机器人结合改进RT-DETR算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述步骤S4中对抽水蓄能机组转子进行缺陷检测包括：
10.根据权利要求9所述的一种基于机器人结合改进RT-DETR算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述精确率P计算公式为：
...【技术特征摘要】
1.一种基于机器人结合改进rt-detr算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于机器人结合改进rt-detr算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述步骤s1中用搭载了高分辨率且低照度环境适应性强的图像采集设备的履带式电机驱动巡检机器人通过预设的路径规划收集抽水蓄能机组膛内的图像，作为原始的数据。
3.根据权利要求1所述的一种基于机器人结合改进rt-detr算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述步骤s2中标记原始数据集中缺陷类型和缺陷位置包括：对原始图像用lableme软件进行有监督的人工标注，缺陷类型包括定子表面绝缘受损、定子铁芯叠片变色移位、定子膛内槽楔表面有可见灰尘和白色沉积物、转子表面有被电流击伤痕迹、转子通风孔堵塞和转子动平衡螺栓松动。
4.根据权利要求1所述的一种基于机器人结合改进rt-detr算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述步骤s2中用数据增强技术对原始数据集进行处理包括：
5.根据权利要求1所述的一种基于机器人结合改进rt-detr算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述步骤s3中改进的rt-detr神经网络模型包括：
6.根据权利要求5所述的一种基于机器人结合改进rt-detr算法的抽水蓄能机组绝缘缺陷检测方法，其特征在于：所述fasternet由部分卷积和逐点卷积的结合代替普通卷积；所述部分卷积中只对输入的部分通道应用普通卷积来提取空间特征，只采用第一个或最后一个连续通道作为计算整个特征映射的代表；所述逐点卷积中卷积核的尺寸为1x1，卷积操作仅在单个像素点上...
【专利技术属性】
技术研发人员：游洋，罗杰，王义凯，吴鹏，谢琮玖，房静，刘欢，乔健，
申请(专利权)人：华北电力大学保定，
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。