一种基于部件关系层级提取的输电线路缺陷识别方法与流程

1.本发明涉及电力设备缺陷识别技术领域，特别是指一种基于部件关系层级提取的输电线路缺陷识别方法。


背景技术：

2.电力工业是关系国计民生的支柱产业，电力系统的安全稳定运行具有重大战略意义。建设放在电力物联网是落实“三型两网、世界一流”战略目标的核心任务。科技的进步使人们对电力系统的安全稳定运行有了新的要求，电力系统的不断强大不仅给人们带来了生活和工作上的便利，但是也带来了更多复杂的电力安全稳定问题。
3.目前对输电线路的关键器件的状态监测基本是通过人工或无人机机载设备进行监测，一方面人工监测不是时时刻刻都在进行监测，就可能会出现当输电线路的关键器件出现缺陷时，人工没有及时发现故障，导致不能稳定检测电力实施的安全状况，不能保障线路的安全运营；另一方面无人机监测是通过对采集图像进行识别判断进行监测的，因此，无人机监测主要会受到以下影响：一是光照影响，不同的天气，光照环境，导致图片成像差异；二是无人机采集的视角影响，由于部件分布不同，设备需要从多个角度拍摄检测，从而影响检测目标的尺度和旋转角度；三是检测物体的形状差异，检测目标有多种，大小也不定；四是无人机采集图像的背景不同，不同的季节不同的地点、视角，导致目标背景差异很大。
4.传统的对输电线路上采集图像进行缺陷检测的方法采用的是先对图像进行预处理，提取手工设计的图像缺陷特征，然后利用支持矢量机(svm)对图像缺陷特征进行分类，或者用马尔可夫随机域(mrf)去除在提取图像缺陷特征过程中复杂背景的影响。上述对图像检测的方法存在的问题是无法适应不同光照，角度的变化图像，采用手工设计的提取图像缺陷特征具有局限性，这种局限性不仅带来了处理的复杂性，而且普适性不强，使得通过图像识别缺陷的效率低且准确度不高。


技术实现要素：

5.针对上述背景技术中存在的不足，本发明提出了一种基于部件关系层级提取的输电线路缺陷识别方法，解决了现有输电线路识别方法存在的复杂度高、识别效率低且准确度不高的技术问题。
6.本发明的技术方案是这样实现的：一种基于部件关系层级提取的输电线路缺陷识别方法，其步骤如下：步骤一：针对输电线路的电力部件，收集对应的缺陷样本和正常样本，并采用图像增强分别对所述缺陷样本和正常样本进行处理，得到输电线路智能缺陷检测的样本数据集；步骤二：基于知识图谱技术建立样本数据集下正常样本对应的电力部件之间的语义关系，以及建立样本数据集下缺陷样本对应的电力部件与缺陷之间的语义关系；步骤三：将正常样本的电力部件之间的语义关系作为正样本，将缺陷样本的电力
部件与缺陷之间的语义关系作为负样本；步骤四：将正样本和负样本同时输入cnn网络中进行训练，得到输电线路缺陷识别模型；步骤五：采集输电线路的电力部件的实时图像，并利用输电线路缺陷识别模型对实时图像进行检测，当检测到缺陷时，发出预警信息。
7.所述所述电力部件包括绝缘子、杆塔、均压环、导线和防鸟刺。
8.所述采用图像增强分别对所述缺陷样本和正常样本进行处理的方法为：对所述缺陷样本图像进行裁剪、放大/缩小、旋转、改变亮度或对比度、加噪点处理，得到缺陷图像样本；对所述正常样本图像进行裁剪、放大/缩小、旋转、改变亮度或对比度、加噪点处理，得到正常图像样本；将缺陷图像样本和正常图像样本组合后作为输电线路智能缺陷检测的样本数据集。
9.所述电力部件之间的语义关系为：绝缘子、均压环、导线和防鸟刺均位于杆塔上，均压环和绝缘子相互连接，绝缘子分别与导线和杆塔连接，防鸟刺设置在绝缘子的上部。
10.与现有技术相比，本发明产生的有益效果为：1）引入知识图谱技术，建立电力部件之间的语义关系，同时建立部件与缺陷之间的关系，在模型训练中加入部件语义关系，有效的提升模型的识别精度，显著提升了巡检过程的智能化水平及巡检效率；2）选择基于知识图谱技术的深度学习算法对目标电力部件进行提取，可获得更精确、更详细的分割结果。
附图说明
11.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
12.图1为本发明的流程图。
具体实施方式
13.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
14.如图1所示，本发明实施例提供了一种基于部件关系层级提取的输电线路缺陷识别方法，其步骤如下：步骤一：针对输电线路的电力部件，收集对应的缺陷样本和正常样本，并采用图像增强分别对所述缺陷样本和正常样本进行处理，得到输电线路智能缺陷检测的样本数据集；所述所述电力部件包括绝缘子、杆塔、均压环、导线和防鸟刺。
15.所述采用图像增强分别对所述缺陷样本和正常样本进行处理的方法为：对所述缺陷样本图像进行裁剪、放大/缩小、旋转、改变亮度或对比度、加噪点处理，得到缺陷图像样本；对所述正常样本图像进行裁剪、放大/缩小、旋转、改变亮度或对比度、加噪点处理，得到正常图像样本；将缺陷图像样本和正常图像样本组合后作为输电线路智能缺陷检测的样本数据集。
16.步骤二：基于知识图谱技术建立样本数据集下正常样本对应的电力部件之间的语义关系，以及建立样本数据集下缺陷样本对应的电力部件与缺陷之间的语义关系；知识图谱(knowledgegraph)是人工智能的重要分支技术，对于电力部件识别，知识图谱技术是一种先进的架构，它能够很好地解决cnn的缺陷，不仅可以使用少得多的训练数据，还可以在整个网络中保留详细的属性信息（如精确的对象位置，旋转，厚度，歪斜，大小等等）。
17.所述电力部件之间的语义关系为：绝缘子、均压环、导线和防鸟刺均位于杆塔上，均压环和绝缘子相互连接，绝缘子分别与导线和杆塔连接，防鸟刺设置在绝缘子的上部。
18.步骤三：将正常样本的电力部件之间的语义关系作为正样本，将缺陷样本的电力部件与缺陷之间的语义关系作为负样本；步骤四：将正样本和负样本同时输入cnn网络中进行训练，得到输电线路缺陷识别模型；步骤五：采集输电线路的关键部件的实时图像，并利用输电线路缺陷识别模型对实时图像进行检测，当检测到缺陷时，发出预警信息。
19.引入知识图谱技术，人巡图像与机巡图像的缺陷专属标注专属训练，区分接口，统一平台，一个系统解决多种设备图像的识别难题，全智能更高效；巡检图像缺陷检测实现智能化，大幅降低纯人工检测比例，同时有效提升故障缺陷判定效率和准确率。
20.输电线路无人机巡检图像处理自动化，降低作业难度。巡检作业流程中的重要一环，是如何有效管理现场采集的所有数据，并将数据提炼成有效的信息。本发明对输电线路无人机巡检图像识别作业流程进行全局梳理与规划，实现图片的导入、审查、设备缺陷识别后标注、记录、提示、报告生成等全业务流程的自动化，从而实现数据处理自动化，信息反馈自动化。
21.通过本发明建设，提升输电线路巡检缺陷定位的精确率和及时性，实现运维效率的高效化。
22.引入本发明，安全性更高、效率更高、易推广性更强，减轻运检人员劳动强度，在人员车辆数据存储方面能带来直接的效益，大幅度降低运维成本；同时间接可以降低外委服务经费以及线路故障维修经费，经推算，缺陷识别可直接为运检业务部门每工作日节约1
‑
2个人工监看工作量，按一年250个工作日计算，节省250
‑
500个工作人/天成本，节约各项经费200余万（涵盖人工工资、车辆成本、设备运维费用、外委服务费用等），按照项目寿命5年计算，项目可累计节约经费1000余万。
23.通过本发明的建设，实现本地化的高效调度与监控，将使区域性综合能源管理变得更“智慧”，帮助运维人员更加精准快速的锁定设备通道缺陷，大大提高工作效率，提高巡检自动化水平，推动智能电网发展。尤其是以往输电线路人工巡视的图像只能通过人工肉眼判定，效率受人员状态经验等因素影响大，而引入本项目后，效率大大提升3
‑
5倍。
24.通过本发明建设，打通人工巡视与无人机巡视的图像识别的壁垒，引入本项目能更好地开展线路运维工作，提升运维效率，提高供电可靠性，展示公司主动承担社会责任，服务人民群众，服务社会经济发展，全力做好电力供应的良好形象。
25.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。