基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法

摘要

本发明涉及电力巡检技术领域，尤其涉及一种基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法。包括以下步骤：1、从数据源抽取数据，建立训练样本库，对巡检数据标注后分类存储；2、搭建训练平台，利用BP神经网络技术对样本库数据进行训练，生成训练模型；3、在检测系统中导入训练模型和待检测图像数据，根据任务需求进行杆塔和通道目标识别和缺陷诊断，生成缺陷报告。本发明将人工智能引入电力巡检领域，实现从电力巡检数据训练样本库建立、模型训练、未知图像目标识别和缺陷诊断的全流程操作，实现从原始巡检数据输入到缺陷结果导出整个过程的自动化运行，节省劳动力，降低人工肉眼检测的难度和错误率，提高了电力巡检效率。