一种基于深度卷积神经网络的输电线路绝缘子部件爆片缺陷识别定位方法

摘要

本发明属于信息自动化技术领域，公开了一种基于深度卷积神经网络的输电线路绝缘子爆片缺陷识别定位方法，通过人为标记的手段对巡检图片进行标注并对物体检测SSD模型进行训练，然后对实时的输电线路巡检图像进行识别；对识别出来的绝缘子区域进行梯度检测计算出绝缘子区域的方向，使用kmean聚类算法分割出图像中的绝缘子区域，对绝缘子区域进行方向校正和在列方向上对绝缘子前景点进行计数，这样就可以得到绝缘区域前景点在水平方向上上的分布曲线，进而定位出绝缘子上的爆片点。本发明有效的解决了在各种分辨率、各种复杂场景图像中定位出绝缘子，并准确识别出绝缘子爆片缺陷位置，在很大程度上提升了输电线路的自动巡检能力和巡检效率，大幅地降低了电网系统维护成本。