一种适用于均压环倾斜缺陷的检测方法

技术领域

本发明涉及电力巡检技术领域，具体涉及一种适用于均压环倾斜缺陷的检测方法。

背景技术

均压环是输电线路中改善绝缘子串电压分布的环状金具，作用是防侧击雷，适用的电压形式为交流，可将高压均匀分布在物体周围，保证在环形各部位之间没有电位差，使得安装处的电场强度均匀，减少电晕放电，从而达到均压的效果，保护绝缘子表面不被高压灼伤。均压环按用处不同，可分为避雷器均压环、防雷均压环、绝缘子均压环、互感器均压环、高压试验设备均压环、输变电线路均压环等。

均压环在安装时，其安装方向需要与绝缘子以及芯棒的轴向方向保持一致，对均压环进行定期巡检是保障电力系统安全运行的重要举措，过去的输电线路都是通过人工现场巡检勘察均压环的故障。随着科技的发展和应用，出现了无人机自动化巡检均压环缺陷故障的技术。目前的均压环故障识别通过无人机航拍获取大量巡检照片，然后以人工看巡检照片判断故障为主，机器识别图像判断故障为辅，这在一定程度上减少了人工工作量，提升了巡检效率。然而，目前的机器识别图像判断故障还不能完全替代人工识别，基于深度学习神经网络的缺陷识别算法存在自身的限制，其识别算法主要是通过形状和颜色特征来识别目标设备是否存在缺陷，只能识别出那些形变特征明显的缺陷，对于那种形变微小或者需要根据形变程度来判断是否存在缺陷的情况，比如均压环倾斜故障这种细微的差别，现有的深度学习神经网络还无法准确地判断均压环是否出现倾斜故障。

发明内容

本发明需要解决的技术问题是提供一种适用于均压环的倾斜缺陷检测方法，以提高识别率和准确性，使得判断结果更加准确。

为解决上述技术问题，本发明所采取的技术方案如下。

一种适用于均压环的倾斜缺陷检测方法，主要包括以下步骤：

S1：获取均压环所在的区域图像，对区域图像中的均压环和绝缘子进行图像识别；

S2：获取均压环轮廓和绝缘子轮廓，得到均压环所在位置的两个第一基准点和绝缘子所在位置的多个第二基准点，根据第一基准点构建均压环的径向线；

S3：根据多个第二基准点构建多个第三基准点，通过多个第三基准点构建芯棒的轴向线；

S4：获取径向线的斜率和轴向线的斜率，计算均压环与芯棒之间的倾斜角，根据设定的阈值判断均压环的倾斜状态。

在一种优选方案中，所述获取均压环所在的区域图像之前的步骤还包括：

S11、获取电力杆/塔的三维模型；

S12、根据电力杆/塔上的均压环坐标生成无人机航线和图像采集点；

S13、无人机航行至图像采集点后对均压环所在的区域进行图像采集，获取均压环所在的区域图像。

在一种优选方案中，所述图像采集点的位置包括位于均压环正东、正西、正南、正北、东南、西南、东北、西北方位中的至少两个。

在一种优选方案中，所述对区域图像中的均压环和绝缘子进行图像识别之前的步骤还包括：基于卷积神经网络构建神经网络模型，其主要步骤包括：

S21：对均压环样品进行图像采集，获取第一原始图像集，利用第一原始图像集进行卷积神经网络训练，获取第一训练模型；

S22：对绝缘子样品进行图像采集，获取第二原始图像集，利用第二原始图像集进行卷积神经网络训练，获取第二训练模型，对第一训练模型和第二训练模型进行数据合并，得到初始模型；

S23：收集第三方数据，对初始模型进行增强训练，获取神经网络模型。

在一种优选方案中，根据第一基准点构建均压环的径向线的具体步骤包括：

S24：根据均压环的轮廓建立两个第一基准点，两个所述第一基准点包括：垂向最高点和横向最远低点；

S25：根据垂向最高点和横向最远低点构建直线，获取该均压环的径向线。

在一种优选方案中，所述根据多个第二基准点构建多个第三基准点，通过第三基准点构建芯棒的轴向线的主要步骤包括：

S31、通过位于同一个绝缘子的两个基准点构建该绝缘子的径向线，获取多个径向线的中点；

S32、对多个中点进行曲线拟合，获取芯棒的轴向线。

在一种优选方案中，所述根据设定的阈值判断均压环的倾斜状态的主要步骤包括：

S41：获取所述倾斜阈值；

S42：计算均压环的倾斜角；

S43：通过所述倾斜角获取倾斜角判定值，若所述倾斜角判定值小于所述倾斜阈值，则确定为所述均压环处于平衡状态，若所述倾斜角判定值大于所述倾斜阈值，则确定为所述均压环处于倾斜状态。

在一种优选方案中，所述对处于平衡状态的均压环的区域图像进行识别，判定是否存在潜在风险的主要步骤包括：

S51：对处于平衡状态的均压环的区域图像进行识别；

S52：对存在焊缝开裂情况的均压环进行记录，并对其潜在风险进行评估并生成分析报表

由于采用了以上技术方案，本发明所取得技术进步如下。

本发明在进行卷积神经网络训练获取神经模型后，通过获取均压环的区域图像并识别均压环和绝缘子的轮廓，分别建立均压环的径向线和芯棒的轴向线，计算径向线和轴向线的夹角，能够得到均压环和芯棒之间的角度，进而判断均压环是否处于倾斜状态，提高了识别率和准确性；

本发明通过修正算法能够准得到均压环的径向线，降低了区域图像不同方位采集时带来的轮廓偏差影响，进而便于准确计算出均压环和芯棒之间的夹角，降低了拍摄角度对计算结果的影响，使得判断结果更加准确；

本发明通过神经网络模型对均压环的区域图像进行识别，识别均压环是否存在裂缝，根据均压环材质的腐蚀速率及裂缝初始长度，计算该均压环的安全使用时间，便于提前发现均压环由于环境腐蚀、焊接因素以及材料因素导致的焊缝开裂的情况，便于排查均压环潜在的风险。

附图说明

图1为本发明的流程图；

图2为本发明所述均压环的结构示意图。

具体实施方式

下面将结合附图和具体实施方式对本发明进行进一步详细说明。

一种适用于均压环的倾斜缺陷检测方法，主要包括以下步骤：

S1：获取均压环所在的区域图像，对区域图像中的均压环和绝缘子进行图像识别；

S2：通过边缘检测算法获取均压环轮廓和绝缘子轮廓，得到均压环所在位置的两个第一基准点和绝缘子所在位置的多个第二基准点，根据第一基准点构建均压环的径向线；

S3：根据多个第二基准点构建多个第三基准点，通过多个第三基准点构建芯棒的轴向线；

S4：获取径向线的斜率和轴向线的斜率，计算均压环与芯棒之间的倾斜角，根据设定的阈值判断均压环的倾斜状态。

进一步的，所述获取均压环所在的区域图像之前的步骤还包括：

S11、获取电力杆/塔的三维模型，以大地坐标系为基准，生成所有电力金具的坐标，并根据电力金具的种类进行分类和排序；

S12、根据电力金具的分类，选择要检测的均压环目标，并根据待巡检的均压环坐标生成无人机航线和图像采集点，且每一个均压环至少进行两次图像采集，其中，所述图像采集点的位置包括位于均压环正东、正西、正南、正北、东南、西南、东北、西北方位中的至少两个；

进一步的，在S12中，利用两个采集点分别与均压环坐标点建立直线，分别记为L1和L2，L1和L2在水平面之间的夹角小于180度，在本实施例中，L1和L2之间的夹角优选为45度至135度，例如，对均压环进行区域图像采集时，第一个图像采集点位于均压环的正东方位，第二个图像采集点位于正南、正北、东南、西南、东北、西北方位中的一个；再例如，对均压环进行区域图像采集时，第一个图像采集点位于均压环的东南方位，第二个图像采集点位于正东、正西、正南、正北、西南、东北方位中的一个。

S13、无人机执行巡检作业，无人机航行至图像采集点后对均压环所在的区域进行图像采集，获取均压环所在的区域图像。

需要说明的是，配合无人机进行巡检任务的有一配套使用的无人机巡检系统，通过该巡检系统能够制定无人机的巡航路径。

在一个具体实施方式中，在三维软件中，建立大地坐标系，并根据大地坐标系建立电力杆/塔的三维模型，同时生成所有电力金具(如：均压环、绝缘子、横担、悬吊金具、连接金具等)的坐标，对电力金具进行分类和编号，并建立模型数据库，在需要对均压环进行巡检时，根据模型数据库选择要检测的均压环目标，无人机巡检系统利用蝙蝠优化算法(BA)、差分进化算法、蚁群算法(ACO)或其他算法生成巡检路径，并根据待巡检的均压环坐标在巡检路径上生成图像采集点，巡检路径生成完毕后，通过无人机执行巡检作业，无人机根据巡检路径飞行至图像采集点后，对均压环所在的区域进行图像采集，并根据该均压环的编号对图像进行编号，通过对该区域图像进行处理和计算，获取该均压环的倾斜角度。

进一步的，所述对区域图像中的均压环和绝缘子进行图像识别之前的步骤还包括：基于卷积神经网络构建神经网络模型，其主要步骤包括：

S21：对均压环样品进行图像采集，获取第一原始图像集，利用第一原始图像集进行卷积神经网络训练，获取第一训练模型；

S22：对绝缘子样品进行图像采集，获取第二原始图像集，利用第二原始图像集进行卷积神经网络训练，获取第二训练模型，对第一训练模型和第二训练模型进行数据合并，得到初始模型；

S23：收集第三方平台收集网络数据，进行卷积神经网络训练，对初始模型进行增强训练，获取神经网络模型。

在一个具体实施方式中，搭建卷积神经网络，该卷积神经网络至少包括卷积层、池化层、全连接层和激活函数，卷积神经网络搭建完毕后，向该卷积神经网络输入第一网络图像集，卷积层利用一个卷积核滑动一个图像集中的图片，提取每一张图像的图像特征(比如水平方向的边缘)，然后通过激活函数来压制梯度弥散，对提取的特征数据用另外一个卷积核继续提取，然后通过池化层进行池化，将图像缩小，减少像素信息并保留重要信息，最终，通过全连接层对结果进行识别分类，至此，第一训练模型获取完毕，对第二原始图像集进行同样操作，获取第二训练模型，再将第一训练模型作为主数据库，第二训练模型作为从数据库，将两个数据库合并，得到初始模型，通过网络从第三方平台收集均压环图形和绝缘子图像并进行军妓网络训练，从而对初始模型进行增强训练，最终得到神经网络模型，具体的，激活函数可以选用下列函数中的任意一种或多种：Stpigmoid激活函数、Tanh激活函数、ReLU激活函数、LReLU激活函数、PReLU激活函数、StpwiStph激活函数或其他非线性激活函数，其中，ReLU激活函数由于具备计算简单、代表性稀疏，可以避免梯度消失等特点，本实施例中，卷积层的激活函数优选为ReLu激活函数，全连接层的激活函数优选为Stpigmoid激活函数。

进一步的，根据第一基准点构建均压环的径向线的具体步骤包括：

S24：根据均压环的轮廓建立两个第一基准点，两个所述第一基准点包括：垂向最高点和横向最远低点；

S25：根据垂向最高点和横向最远低点构建直线，获取该均压环的径向线。

在一个具体实施方式中，通过边缘算法获取均压环轮廓，根据均压环的轮廓识别垂向最高点P1和横向最远低点P2，根据P1和P2构建直线，获取该均压环的径向线。

进一步的，所述根据多个第二基准点构建多个第三基准点，通过第三基准点构建芯棒的轴向线的主要步骤包括：

S31、通过位于同一个绝缘子的两个基准点构建该绝缘子的径向线，获取多个径向线的中点；

S32、对多个中点进行曲线拟合，获取芯棒的轴向线。

进一步的，所述根据设定的阈值判断均压环的倾斜状态的主要步骤包括：

S41：获取所述倾斜阈值；

S42：计算均压环的倾斜角，其计算公式为：

其中，α为径向线和轴向线之间的夹角，K1为径向线的斜率，K2为轴向线的斜率；

S43：对所述倾斜角进行判定，获取倾斜角判定值，其判定公式为：

其中，θ为倾斜角判定值，α为倾斜角的绝对值，若所述倾斜角判定值θ小于所述倾斜阈值，则确定为所述均压环处于平衡状态，若所述倾斜角判定值θ大于所述倾斜阈值，则确定为所述均压环处于倾斜状态。

在一个具体实施方式中，获取径向线的斜率K1以及轴向线的斜率K2，计算均压环的倾斜角α，取α的绝对值，并代入判定公式进行判定，若α小于等于90度，则倾斜角判定值θ和α取值相同，若α大于90度，则倾斜角判定值θ的取值为180-α，若倾斜角判定值θ小于倾斜阈值，则均压环处于平衡状态，若倾斜角判定值θ大于倾斜阈值，则均压环处于倾斜状态；如：倾斜阈值设定为5°，当α为-35°时，则α的取值为35°，代入判定公式中，由于α的取值小于90°，得到θ的取值为35°，由于θ的取值大于倾斜阈值，则该均压环处于倾斜状态；又如：倾斜阈值设定为5°，当α为178°时，则α的取值为178°，代入判定公式中，由于α的取值大于90°，得到θ的取值为2°，由于θ的取值小于倾斜阈值，则该均压环处于平衡状态。

需要说明的是，由于均压环套结于绝缘子外侧，所以均压环的倾斜角度不会为90°。

进一步的，所述对处于平衡状态的均压环的区域图像进行识别，判定是否存在潜在风险的主要步骤包括：

S51：通过神经网络模型对处于平衡状态的均压环的区域图像进行识别，识别处于平衡状态的均压环是否存在焊缝开裂的情况，不存在焊缝开裂情况的均压环判定为正常状态，存在焊缝开裂情况的均压环判定为风险状态；

S52：通过图像识别，记录存在裂缝的均压环的初始裂缝长度L

S53：设定均压环的安全阈值L，根据该均压环材质的锈蚀速率η，计算该均压环的安全使用时间y，安全使用时间计算公式为：

具体的，锈蚀速率η的取值，可通过对该均压环材质进行电化学锈蚀试验获取，锈蚀率计算公式为：

在一个具体实施例中，利用S23中获取的神经网络模型对处于平衡状态的均压环的区域图像进行识别，识别该均压环是否存在裂缝，若该均压环未识别出裂缝，则判定为正常状态，若存在裂缝情况，则判定为风险状态，通过该均压环的区域图像获取裂缝的长度L1及该均压环的编号，代入计算公式，获取该均压环的安全使用时间并生成分析报表，如：低碳钢在大气中的锈蚀速率为0.35mm/年，通过神经网络模型识别到某处低碳钢材质的均压环存在8.86mm的裂缝，该均压环的安全阈值设定为10mm，代入计算公式可获取该均压环的安全使用年限为3.2年，并生成分析报表，该报表中至少包括有该均压环的编号、区域图像以及安全使用时间，通过对平衡状态的均压环进行排查，可以提前排查均压环由于环境腐蚀、焊接因素以及材料因素导致的焊缝开裂的情况。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。