申请/专利权人：广东电网有限责任公司广州供电局

申请日：2023-11-29

公开（公告）日：2024-04-09

公开（公告）号：CN117853837A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/82;G06V10/26;G06V20/70;G06T7/00;G06N3/045;G06N3/0475;G06N3/094

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种输电线路中螺栓插销缺失缺陷检测方法及系统，目的在于解决无人机电力巡检过程中输电线路中螺栓插销缺失缺陷检测时，由于异常样本较少导致的检测精度低下，或者由于网络模型结构复杂，导致推理判断缺陷时实时性无法保证的问题。通过标注出的螺栓正常样本和异常样本，只使用正常样本进行生成对抗网络的训练，采用二阶段的神经网络检测方法，第一阶段使用螺栓区域检测神经网络检测出所有螺栓所在的区域，第二阶段用生成对抗网络判断是否存在插销缺失缺陷，生成对抗网络可以解决异常样本较少的问题，并且优化模型结构、减少模型参数量保证检测的精度和实时性。

主权项：1.一种二阶段的输电线路中螺栓插销缺失缺陷检测方法，其特征在于，包括以下步骤：1收集整理无人机巡检输电线路时采集到的高分辨率图像进行螺栓目标检测数据集的构建，并标注出输电线路上的螺栓所在的矩形区域，裁剪出部分螺栓矩形区域图像，将图像作为螺栓区域数据集并划分为训练集和测试集，训练集只包含正常的图像，测试集包含正常图像和异常图像；2基于YOLOv7网络模型构建螺栓区域检测神经网络，将YOLOv7网络模型其中的ELAN模块中的Conv替换为FasterNet中的PConv，将其中的SPPSCPC模块后面加上BiFormer注意力机制中的BRA模块，以提升对于小目标检测的精度并降低螺栓区域检测神经网络的参数量，通过螺栓目标检测数据集进行训练和测试，保存最优性能的螺栓区域检测神经网络作为第一阶段使用的神经网络；3构建生成对抗网络进行螺栓插销缺失缺陷的判别，生成对抗网络的生成器网络基于Encoder-Decoder框架搭建，并将不同尺度的特征进行融合，以提升对于不同像素螺栓区域图像的识别精度，目的是生成正常情况下的螺栓图像；生成对抗网络的编码器网络使用5层卷积层进行搭建，提取输入图像的特征从而输出对应的潜在变量，目的是节省测试阶段的时间成本；生成对抗网络的判别器网络使用6层卷积层进行搭建，同时将生成的螺栓图像与真实的螺栓图像进行比对，并判断是否存在螺栓插销缺失的缺陷；4设计生成对抗网络的损失函数，将螺栓区域数据集进行数据增强操作，将螺栓区域数据集的训练集放入生成对抗网络进行训练，保存最优性能的生成对抗网络作为第二阶段使用的神经网络，再用包含正常图像和异常图像的测试集进行网络测试，得到具体的阈值用于缺陷判断；5将最优性能的螺栓区域检测神经网络和生成对抗网络进行串联，输入含有螺栓的输电线路的待测图像，经过第一阶段的螺栓区域检测神经网络检测出图像中螺栓所在的区域图像，再将区域图像输入第二阶段的生成对抗网络得到螺栓插销缺失缺陷的判别结果。

全文数据：

权利要求：

百度查询： 广东电网有限责任公司广州供电局 一种输电线路中螺栓插销缺失缺陷检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD