(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111645927.7 (22)申请日 2021.12.3 0 (71)申请人 广西电网有限责任公司河池供电局 地址 547000 广西壮 族自治区河池市西环 路402号 (72)发明人 王江　韦基毅　韦屹健　覃明生　 毛云申　韦维　兰建蒙　曾令争　 (74)专利代理 机构 广州市专 注鱼专利代理有限 公司 44456 代理人 张志鹏 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/12(2017.01) G06T 7/13(2017.01) G06N 3/08(2006.01)G06N 3/04(2006.01) G06K 9/62(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于深度学习的输电线路小目标缺陷 检测方法 (57)摘要 本发明公开了一种基于深度学习的输电线 路小目标缺陷检测方法， 包括获取前端摄像机采 集的输电线路的初始图片数据； 对初始图片数据 进行处理， 得到具备特征方向的图片数据； 对具 备特征方向的图片数据进行图像识别和图像特 征提取， 筛选出缺陷图片数据； 对筛选出的缺陷 图片数据进行对应的小目标缺陷类别划分， 得到 不同小目标缺陷对应的缺陷图片数据； 根据不同 小目标缺陷对应的缺陷图片数据， 建立基于深度 学习的小目标缺陷检测模型； 利用基于深度学习 的小目标缺陷检测模型检测采集的图片数据， 得 到对应的小目标缺陷的结果。 本发 明能够准确对 输电线路小目标进行缺陷识别检测， 无需人工在 高空进行操作， 提高了 检测效率， 且安全性较高。 权利要求书1页 说明书5页 附图3页 CN 114418968 A 2022.04.29 CN 114418968 A 1.一种基于深度学习的输电线路小目标缺陷检测方法， 其特 征在于， 包括以下步骤： 步骤S1、 获取 前端摄像机采集的输电线路的初始图片数据； 步骤S2、 对初始图片数据进行处 理， 得到具 备特征方向的图片数据； 步骤S3、 对具备特征方向的图片数据进行图像识别和图像特征提取， 筛选出缺陷图片 数据； 步骤S4、 对筛选出的缺陷图片数据进行对应的小目标缺陷类别划分， 得到不同小目标 缺陷对应的缺陷图片数据； 步骤S5、 根据不同小目标缺陷对应的缺陷图片数据， 建立基于深度学习的小目标缺陷 检测模型； 步骤S6、 利用基于深度学习的小目标缺陷检测模型检测采集的图片数据， 得到对应的 小目标缺陷的结果。 2.根据权利要求1所述的基于深度学习的输电线路小目标缺陷检测方法， 其特征在于， 所述对初始图片数据进行处 理， 得到具 备特征方向的图片数据具体包括： 步骤S201、 获取初始图片数据中每 个图片分辨 率， 得到同一分辨 率的图片数据； 步骤S202、 对同一分辨 率的图片数据进行轮廓提取， 得到图片数据的轮廓曲线； 步骤S203、 对轮廓曲线 进行求导数， 获取轮廓曲线的曲率； 步骤S204、 将中心点作为轮廓曲线的特征点， 获得特征点指向轮廓曲线始端的方向向 量和特征点指向轮廓曲线末端的方向 向量； 步骤S205、 对特征点指向轮廓曲线始端的方向向量和特征点指向轮廓曲线末端的方向 向量进行求和计算， 得到具 备特征方向的图片数据。 3.根据权利要求1所述的基于深度学习的输电线路小目标缺陷检测方法， 其特征在于， 所述对具备特征方向的图片数据进行图像识别和图像特征提取， 筛选出缺陷图片数据包 括： 通过灰度法对具备特征方向的图片数据进行图像识别， 对图像识别后图片数据进行图 像特征提取， 根据提取的图像特 征， 筛选出缺陷图片数据。 4.根据权利要求1或2所述的基于深度 学习的输电线路小目标缺陷检测方法， 其特征在 于， 所述初始图片数据包括 缺陷图片数据和正常图片数据。权　利　要　求　书 1/1 页 2 CN 114418968 A 2一种基于深度学习的输电线路小目标缺陷检测方 法 技术领域 [0001]本发明涉及输电线路缺陷检测领域， 具体涉及一种基于深度学习的输电线路小目 标缺陷检测方法。 背景技术 [0002]随着我国电力行业的蓬勃发展， 输电线路布局复杂， 输电线路分为架空输电线路 和电缆线路， 架空输电线路由线路杆塔、 导线、 线路金具、 绝缘子、 拉线、 接地装置等构成， 分 布广阔， 遍布田野、 城区、 沙漠、 湖泊等各种地形。 输电线路所处自然环境和气候多变， 由于 长期运行在野外， 经历狂风暴雨曝晒等极端天气的冲击， 不可避免地遭到各种人为或者非 人为因素的破坏， 导线、 金具、 绝缘子等部件容易出现锈蚀、 破损、 断股 等缺陷。 同时， 部件安 装不规范也为输电线路安全运行 带来隐患。 所以需要对输电线路进行定期的检查和维修。 [0003]输电线路中的小目标样本包括线路金具、 绝缘子、 拉线、 接地装置等， 传统的小目 标样本的检查主要依靠人工巡检的方式或者通过RCNN算法方式， 前一种巡检方式主要靠专 业人员前往巡检的现场在高压环境下进行人工攀爬工作， 人工检测不仅影响工作人员的工 作效率， 容易导致检测结果不准确， 还存在极大的安全问题； 后一种检测方式容易导致图像 畸变， 内存占用大检测速度慢， 检测精度不 准确。 发明内容 [0004]本发明的目的在于提供一种基于深度学习的输电线路小目标缺陷检测方法， 可以 解决现有技 术中检测方式容 易导致图像畸变， 造成检测速度慢、 检测精度不 准确的问题。 [0005]本发明的目的是通过以下技 术方案实现的： [0006]本发明提供一种基于深度学习的输电线路小目标缺陷检测方法， 包括以下步骤： [0007]步骤S1、 获取 前端摄像机采集的输电线路的初始图片数据； [0008]步骤S2、 对初始图片数据进行处 理， 得到具 备特征方向的图片数据； [0009]步骤S3、 对具备特征方向的图片数据进行图像识别和图像特征提取， 筛选出缺陷 图片数据； [0010]步骤S4、 对筛选出的缺陷图片数据进行对应 的小目标缺陷类别划分， 得到不 同小 目标缺陷对应的缺陷图片数据； [0011]步骤S5、 根据不同小目标缺陷对应 的缺陷图片数据， 建立基于深度学习的小目标 缺陷检测模型； [0012]步骤S6、 利用基于深度学习的小 目标缺陷检测模型检测采集的图片数据， 得到对 应的小目标缺陷的结果。 [0013]进一步的， 所述对初始图片数据进行处理， 得到具备特征方向的图片数据具体包 括： [0014]步骤S201、 获取初始图片数据中每 个图片分辨 率， 得到同一分辨 率的图片数据； [0015]步骤S202、 对同一分辨 率的图片数据进行轮廓提取， 得到图片数据的轮廓曲线；说　明　书 1/5 页 3 CN 114418968 A 3