CN109325539B - 绝缘子掉串检测方法及装置 - Google Patents

Abstract

本发明提供了一种绝缘子掉串检测方法及装置，涉及图像处理技术领域。绝缘子掉串检测方法应用于电子设备，该方法包括：获得无人机拍摄的包括待检测绝缘子的图像；提取出图像中包括待检测绝缘子的目标区域；利用预先训练好的分类模型对目标区域进行分类，得到第一输出值；根据第一输出值与预先设定的第一阈值的比较结果，确定出待检测绝缘子是否发生掉串故障。本发明提供的绝缘子掉串检测方法及装置可在复杂多变的应用背景中检测出输电线路中的绝缘子是否发生掉串故障，且检测输电线路中的绝缘子是否发生掉串故障的准确率高，可广泛应用于实际巡检作业中对绝缘子掉串的检测。

Description

绝缘子掉串检测方法及装置

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种绝缘子掉串检测方法及装置。

背景技术

输电线路承担着电能的输送，对电网的安全、可靠运行起着至关重要的作用，直接影响国民经济的稳定发展。在输电线路的众多器件中，绝缘子数量庞大，且起着绝缘、提供机械支撑的重要作用，一旦发生故障，就会引起整条输电线路供电中断，甚至导致大面积停电，进而造成巨大的经济损失。然而，输电线路长期运行在野外，受自然因素和气候的影响较大，绝缘子极易发生掉串故障。

传统的图像绝缘子掉串检测方法是一种基于人工特征选取的缺陷检测方法。一般首先通过颜色、形状信息定位出绝缘子，然后通过特征选择、匹配的方法进行分类判断。而选择出具有强鲁棒性和准确性的描述特征往往十分困难，这种人工特征很难保证实际巡检环境图像旋转、尺度和平移的不变性，对复杂多变的应用背景往往失效，对于实际巡检作业的效果较差。

发明内容

有鉴于此，本发明实施例的目的在于提供一种绝缘子掉串检测方法及装置，以改善上述问题。

第一方面，本发明实施例提供了一种绝缘子掉串检测方法，应用于电子设备，所述方法包括：

获得无人机拍摄的包括待检测绝缘子的图像；

取出所述图像中包括所述待检测绝缘子的目标区域；

利用预先训练好的分类模型对所述目标区域进行分类，得到第一输出值；

根据所述第一输出值与预先设定的第一阈值的比较结果，确定出所述待检测绝缘子是否发生掉串故障。

可选地，所述提取出所述图像中包括所述待检测绝缘子的目标区域，包括：

从所述图像中提取出多个候选区域；

对所述多个候选区域进行区域大小归一化处理，得到大小相同的多个待分类区域；

提取每个所述待分类区域的特征向量；

利用所述分类模型对每个所述特征向量进行分类，得到符合绝缘子特征的特征向量；

对符合绝缘子特征的特征向量进行线性回归，得到所述目标区域。

可选地，所述利用所述分类模型对每个所述特征向量进行分类，得到符合绝缘子特征的特征向量，包括：

利用所述分类模型对每个所述特征向量进行分类，得到与每个所述特征向量对应的第二输出值；

根据所述第二输出值与预先设定的第二阈值的比较结果，确定出符合绝缘子特征的特征向量。

可选地，所述根据所述第一输出值与预先设定的第一阈值的比较结果，确定出所述待检测绝缘子是否发生掉串故障，包括：

当所述第一输出值大于所述第一阈值时，判定所述待检测绝缘子发生掉串故障；

当所述第一输出值小于或等于所述第一阈值时，判定所述待检测绝缘子未发生掉串故障。

可选地，所述获得无人机拍摄的包括待检测绝缘子的图像，包括：

获得无人机从多个角度拍摄的多张包括待检测绝缘子的图像；

所述提取出所述图像中包括所述待检测绝缘子的目标区域，包括：

提取出每张所述图像中包括绝缘子的目标区域；

所述利用预先训练好的分类模型对所述目标区域进行分类，得到第一输出值，包括：

利用所述分类模型对每个所述目标区域进行分类，得到多个第一输出值；

所述根据所述第一输出值与预先设定的第一阈值的比较结果，确定出所述待检测绝缘子是否发生掉串故障，包括：

根据多个所述第一输出值与所述第一阈值的比较结果，确定出所述待检测绝缘子是否发生掉串故障。

第二方面，本发明实施例提供了一种绝缘子掉串检测装置，应用于电子设备，其特征在于，所述绝缘子掉串检测装置包括：

获取模块，用于获得无人机拍摄的包括待检测绝缘子的图像；

提取模块，用于提取出所述图像中包括所述待检测绝缘子的目标区域；

分类模块，用于利用预先训练好的分类模型对所述目标区域进行分类，得到第一输出值；

确定模块，用于根据所述第一输出值与预先设定的第一阈值的比较结果，确定出所述待检测绝缘子是否发生掉串故障。

可选地，所述提取模块包括：

提取子模块，用于从所述图像中提取出多个候选区域；

归一化子模块，用于对所述多个候选区域进行区域大小归一化处理，得到大小相同的多个待分类区域；

所述提取子模块还用于提取每个所述待分类区域的特征向量；

分类子模块，用于利用所述分类模型对每个所述特征向量进行分类，得到符合绝缘子特征的特征向量；

线性回归子模块，用于对符合绝缘子特征的特征向量进行线性回归，得到所述目标区域。

可选地，所述分类子模块用于利用所述分类模型对每个所述特征向量进行分类，得到与每个所述特征向量对应的第二输出值；以及

根据所述第二输出值与预先设定的第二阈值的比较结果，确定出符合绝缘子特征的特征向量。

可选地，所述确定模块用于当所述第一输出值大于所述第一阈值时，判定所述待检测绝缘子发生掉串故障；以及

当所述第一输出值小于或等于所述第一阈值时，判定所述待检测绝缘子未发生掉串故障。

可选地，所述获取模块用于获得无人机从多个角度拍摄的多张包括待检测绝缘子的图像；

所述提取模块用于提取出每张所述图像中包括绝缘子的目标区域；

所述分类模块用于利用所述分类模型对每个所述目标区域进行分类，得到多个第一输出值；

所述确定模块用于根据多个所述第一输出值与所述第一阈值的比较结果，确定出所述待检测绝缘子是否发生掉串故障。

对于现有技术，本发明提供的绝缘子掉串检测方法及装置具有如下的有益效果：

本发明提供的绝缘子掉串检测方法及装置可在复杂多变的应用背景中检测出输电线路中的绝缘子是否发生掉串故障，且检测输电线路中的绝缘子是否发生掉串故障的准确率高，可广泛应用于实际巡检作业中对绝缘子掉串的检测。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明较佳实施例提供的电子设备与无人机进行交互的示意图。

图2为本发明较佳实施例提供的电子设备的方框示意图。

图3为本发明较佳实施例提供的绝缘子掉串检测方法的流程图。

图4为图3中步骤S102的子步骤的流程图。

图5为本发明较佳实施例提供的绝缘子掉串检测装置的功能模块示意图。

图6为图5中提取模块的子功能模块图。

图标：100-电子设备；110-绝缘子掉串检测装置；111-获取模块；112-提取模块；1121-提取子模块；1122-归一化子模块；1123-分类子模块；1124-线性回归子模块；113-分类模块；114-确定模块；120-存储器；130-处理器；140-内部接口；150-通信单元；200-无人机。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

如图1所示，是本发明较佳实施例提供的电子设备100与无人机200进行交互的示意图，所述电子设备100与所述无人机200通信连接以进行数据交互，或者通过U盘等存储介质或数据线将无人机200中的数据拷贝至所述电子设备100。所述电子设备100可以是，但不限于平板电脑、智能手机、个人数字助理(personal digital assistant，PDA)、服务器等。

图2示出了本发明提供的电子设备100的方框示意图。该电子设备100包括存储器120、处理器130、内部接口140及通信单元150，存储器120、处理器130、内部接口140及通信单元150各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。

处理器130用于执行存储器120中存储的可执行模块，例如绝缘子掉串检测装置110包括的软件功能模块或计算机程序。绝缘子掉串检测装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作系统中的软件功能模块。

存储器120可以是，但不限于，随机存取存储器(Random Access Memory,RAM)，只读存储器(Read Only Memory,ROM)，可编程只读存储器(Programmable Read-OnlyMemory,PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable read-Only Memory，EEPROM)等。

处理器130可以是一种集成电路苾片，具有信号处理能力。处理器130可以是通用处理器，包括中央处理器(Central Processing Unit,CPU)、网络处理器(Networkprocessor,NP)、语音处理器以及视频处理器等；还可以是数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者贔体管逻辑器件、分立硬件组件。

内部接口140用于将各种输入/输出装置耦合至处理器130以及第存储器120。在一些实施例中，内部接口140及处理器130可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

通信单元150用于实现电子设备100与无人机200之间的远距离通信，通信单元150可以是，但不限于2G/3G/4G等。

请参阅图3，是本发明较佳实施例提供的应用于图2所示的绝缘子掉串检测装置100的绝缘子掉串检测方法的流程图。下面将对图3所示的具体流程进行详细阐述。

步骤S101，获得无人机拍摄的包括待检测绝缘子的图像。

本发明实施例提供的方法应用于电子设备100，当需要对输电线路中的绝缘子进行掉串检测时，首先控制无人机200从多角度拍摄输电线路中的待检测绝缘子的图像，得到多张包括待检测绝缘子的图像，并将拍摄到的多张包括待检测绝缘子的图像发送给电子设备100，电子设备获得无人机200拍摄的多张包括待检测绝缘子的图像。

本发明实施例中，通过无人机200从多角度拍摄，如此可得到待检测绝缘子多个角度的图像，避免拍摄死角，以便在后续检测过程中能够依据多个角度的图像准确地检测出待检测绝缘子是否发生掉串，提升检测准确性。

步骤S102，提取出图像中包括待检测绝缘子的目标区域。

电子设备100获得无人机200发送的多张包括待检测绝缘子的图像后，通过目标检测算法提取出每张图像中包括待检测绝缘子的目标区域。

例如图4所示，本发明实施例中，提取出图像中包括待检测绝缘子的目标区域可以包括如下子步骤：

子步骤S1021，从图像中提取出多个候选区域。

对于每一张图像，电子设备100从图像中提取出多个候选区域，候选区域的数量一般在2000个左右。

子步骤S1022，对多个候选区域进行区域大小归一化处理，得到大小相同的多个待分类区域。

由于提取出的候选区域尺寸大小不一致，因此在提取出多个候选区域后，电子设备100对提取出的候选区域进行大小归一化处理，将所有的候选区域缩放成固定大小，得到大小相同的多个待分类区域(即归一化处理后的候选区域)。待分类区域的大小可根据需要进行设定，例如待分类区域的大小可以为227像素×227像素。

子步骤S1023，提取每个待分类区域的特征向量。

对多个候选区域进行区域大小归一化处理，得到大小相同的多个待分类区域后，电子设备100对每个待分类区域进行特征向量提取，得到每个候选区域所对应的多维度的特征向量。

子步骤S1024，利用分类模型对每个特征向量进行分类，得到符合绝缘子特征的特征向量。

电子设备100预先将包含绝缘子的图像量化为多维向量作为训练输入，图像包含绝缘子的结果量化(量化为1)作为输出进行训练，建立一个分类模型。

在提取每个待分类区域的特征向量后，电子设备100以每个待分类区域的特征向量作为分类模型的输入进行分类运算，得到每个特征向量对应的第二输出值。

电子设备100预先设定有一表征特征向量是否符合绝缘子特征的第二阈值。得到每个特征向量对应的第二输出值后，电子设备100将该第二输出值与第二阈值进行比较，如果该第二输出值大于第二阈值则说明该第二输出值所对应的特征向量符合绝缘子特征，即该特征向量所对应的待分类区域中包含有绝缘子的图像。否则，该第二输出值所对应的特征向量不符合绝缘子特征，即该特征向量所对应的待分类区域中未包含有绝缘子的图像。

由于无人机200所拍摄的图像中包含有待检测绝缘子，因此必然会得到一个符合绝缘子特征的特征向量。

子步骤S1025，对符合绝缘子特征的特征向量进行线性回归，得到目标区域。

得到符合绝缘子特征的特征向量后，电子设备100对每张图像中符合绝缘子特征的特征向量进行线性回归，得到每张图像的目标区域，待检测绝缘子的图像即在该目标区域内。

当然，在其他的一些实施例中，也可以通过上述所列举的其他算法提取出图像中包括待检测绝缘子的目标区域。例如，提取图像中包括待检测绝缘子的目标区域的大致过程还可以是这样的：以整张图像为输入，利用卷积神经网络得到图像的特征层；在最终的卷积特征层上每个像素点利用k个不同的矩形框(Anchor Box)进行提名，k一般取9；对每个Anchor Box对应的区域进行object/non-object二分类，并用k个回归模型(各自对应不同的Anchor Box)微调候选框位置与大小，进行目标分类，最后进行非极大值抑制，来抑制那些冗余的框，抑制的过程大致是这样的：(1)将所有框的得分排序，选中最高分及其对应的框。(2)遍历其余的框，如果和当前最高分框的交并比(IOU)大于一定阈值，我们就将该和当前最高分框的交并比大于一定阈值的框删除。(3)从未处理的框中继续选一个得分最高的，重复上述过程。

又例如，提取图像中包括待检测绝缘子的目标区域的过程可采用一种端到端的检测方式，将目标检测问题作为一个回归问题进行求解，完成从原始图像的输入到绝缘子位置的输出，在保证检测准确率的前提下，可以加快检测速度。具体过程如下：

(1)将输入图像分成SxS个格子，例如21*21，每个格子负责检测绝缘子的中心是否落入该格子，若某个绝缘子的中心位置坐标落入到其中一个格子，那么这个格子就负责检测出这个绝缘子。S为奇数，这样可以保证当绝缘子中心位于图片中心时，预测的位置具有较高的准确度。(2)在每个网格设置k个参考框，例如k取为5，模型训练以groud truth框与参考框的IOU作为基准计算分类损失与回归损失。通过设置k个参考框，比仅有一个参考框时，模型具有更高的精度和召回率。基于边框的预测模式，可以有效解决绝缘子长度不定问题的。参考框的择取可以通过对训练集图片使用k-means聚类算法进行选择。(3)预测时直接在SxS的每个格子上进行，此时每个格子的预测结果为k个分类概率值和4k个相对该格子参考框的位置偏移(Δx,Δy,Δw,Δh)。紧接着通过利用预测框之间的IOU进行非极大值抑制，获得绝缘子最终的位置信息，有效避免将同一个绝缘子误识别多次的问题。(4)采用跨层跳跃连接和多尺度网络输出结构，融合粗细两种粒度的特征，可以有效地检测不同尺度的绝缘子。

步骤S103，利用预先训练好的分类模型对目标区域进行分类，得到第一输出值。

电子设备100预先将掉串的绝缘子的图像和没有掉串的绝缘子的图像作为训练输入，绝缘子的掉串结果和未掉串结果量化(掉串量化为1，未掉串量化为0)并作为输出进行训练，得到一个分类模型。

提取出每张图像中包括待检测绝缘子的目标区域后，电子设备100将每个目标区域作为该预先训练好的分类模型进行分类运算，得到多个第一输出值，每个输出值即对应一个目标区域。

步骤S104，根据第一输出值与预先设定的第一阈值的比较结果，确定出待检测绝缘子是否发生掉串故障。

电子设备100预先设定有一表征目标区域中的绝缘子是否掉串的第一阈值，在得到每个目标区域所对应的第一输出值后，电子设备100将每个目标区域所对应的第一输出值与该第一阈值进行比较。

当第一输出值大于所述第一阈值时，判定目标区域中的绝缘子掉串，即该目标区域所对应的图像中待检测绝缘子发生了掉串。当第一输出值小于或等于所述第一阈值时，判定目标区域中的绝缘子未掉串，即该目标区域所对应的图像中待检测绝缘子未发生掉串。

由于无人机200拍摄有多张图像，每张图像都对应有一是否掉串的结果，在确定待检测绝缘子是否发生掉串故障时，只要有一张图像中的待检测绝缘子发生掉串故障(或发生掉串故障所对应的图像占总图像数量的百分比超过一定阈值)，则电子设备100判定输电线路上的该待检测绝缘子发生了掉串故障。否则，判定输电线路上的该待检测绝缘子未发生掉串故障。

请参阅图5，是本发明较佳实施例提供的图2所示的绝缘子掉串检测装置110的功能模块示意图。所述绝缘子掉串检测装置110包括获取模块111、提取模块112、分类模块113以及确定模块114。

所述获取模块111用于获得无人机200拍摄的包括待检测绝缘子的图像。

可以理解的，所述获取模块111可以用于执行上述的步骤S101。

所述提取模块112用于提取出图像中包括待检测绝缘子的目标区域。

可以理解的，所述提取模块112可以用于执行上述的步骤S102。

请参阅图6，所述提取模块112包括提取子模块1121、归一化子模块1122、分类子模块1123和线性回归子模块1124。

所述提取子模块1121用于从图像中提取出多个候选区域。

可以理解的，所述提取子模块1121可以用于执行上述的子步骤S1021。

所述归一化子模块1122用于对多个候选区域进行区域大小归一化处理，得到大小相同的多个待分类区域。

可以理解的，所述归一化子模块1122可以用于执行上述的子步骤S1022。

所述提取子模块1121还用于提取每个待分类区域的特征向量。

可以理解的，所述提取子模块1121还可以用于执行上述的子步骤S1023。

所述分类子模块1123用于利用分类模型对每个特征向量进行分类，得到符合绝缘子特征的特征向量。

可以理解的，所述分类子模块1123可以用于执行上述的子步骤S1024。

所述回归子模块1124用于对符合绝缘子特征的特征向量进行线性回归，得到目标区域。

可以理解的，所述回归子模块1124可以用于执行上述的子步骤S1025。

所述分类模块113用于利用预先训练好的分类模型对目标区域进行分类，得到第一输出值。

可以理解的，所述分类模块113可以用于执行上述的子步骤S103。

所述确定模块114用于根据第一输出值与预先设定的第一阈值的比较结果，确定出待检测绝缘子是否发生掉串故障。

可以理解的，所述确定模块114可以用于执行上述的子步骤S104。

综上所述，本发明实施例提供的绝缘子掉串检测方法及装置可通过基于深度学习的目标检测算法对无人机200所拍摄的包括待检测绝缘子的图像进行提取，提取出图像中包括待检测绝缘子的目标区域，然后利用预先训练好的分类模型对所述目标区域进行分类，得到第一输出值，并将第一输出值与预先设定的用于判定绝缘子是否掉串的第一阈值进行比较，从而确定出待检测绝缘子是否发生掉串故障。本发明提供的绝缘子掉串检测方法及装置可在复杂多变的应用背景中检测出输电线路中的绝缘子是否发生掉串故障，且检测输电线路中的绝缘子是否发生掉串故障的准确率高，可广泛应用于实际巡检作业中对绝缘子掉串的检测。同时，在对绝缘子拍摄过程中，通过无人机200从多角度拍摄，如此可得到待检测绝缘子多个角度的图像，避免拍摄死角，以便在检测过程中提升检测准确性。

本发明实施例还提供了一种非易失性计算机存储介质，所述非易失性计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的存储方法。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (4)

1.一种绝缘子掉串检测方法，应用于电子设备，其特征在于，所述方法包括：

获得无人机拍摄的包括待检测绝缘子的图像；

提取出所述图像中包括所述待检测绝缘子的目标区域；

利用预先训练好的第一分类模型对所述目标区域进行分类，得到第一输出值；

根据所述第一输出值与预先设定的第一阈值的比较结果，确定出所述待检测绝缘子是否发生掉串故障；

所述获得无人机拍摄的包括待检测绝缘子的图像，包括：获得无人机从多个角度拍摄的多张包括待检测绝缘子的图像；所述提取出所述图像中包括所述待检测绝缘子的目标区域，包括：提取出每张所述图像中包括绝缘子的目标区域；所述利用预先训练好的第一分类模型对所述目标区域进行分类，得到第一输出值，包括：利用所述第一分类模型对每个所述目标区域进行分类，得到多个第一输出值；其中，所述根据所述第一输出值与预先设定的第一阈值的比较结果，确定出所述待检测绝缘子是否发生掉串故障，包括：获得多个所述第一输出值大于所述第一阈值的图像数量；判断所述图像数量占所述第一输出值的总数量的百分比是否超过预设阈值；若是，则确定所述待检测绝缘子发生掉串故障；若否，则确定所述待检测绝缘子未发生掉串故障；所述提取出每张所述图像中包括绝缘子的目标区域，包括：将所述待检测绝缘子的图像分成SxS个格子，S为奇数；若所述待检测绝缘子的中心位置坐标落入到其中一个格子，则在该格子中设置k个参考框，并通过利用所述参考框之间的交并比IOU进行非极大值抑制，获得所述待检测绝缘子的目标区域；

其中，所述提取出每张所述图像中包括绝缘子的目标区域，包括：从所述图像中提取出多个候选区域；对所述多个候选区域进行区域大小归一化处理，得到大小相同的多个待分类区域；提取每个所述待分类区域的特征向量；利用第二分类模型对每个所述特征向量进行分类，得到符合绝缘子特征的特征向量；对符合绝缘子特征的特征向量进行线性回归，得到所述目标区域；所述第二分类模型采用跨层跳跃连接和多尺度网络输出结构；

所述利用第二分类模型对每个所述特征向量进行分类，得到符合绝缘子特征的特征向量，包括：利用第二分类模型对每个所述特征向量进行分类，得到与每个所述特征向量对应的第二输出值；根据所述第二输出值与预先设定的第二阈值的比较结果，确定出符合绝缘子特征的特征向量，包括：若所述第二输出值大于所述第二阈值，则确定出符合绝缘子特征的该第二输出值所对应的特征向量；否则，确定出不符合绝缘子特征的该第二输出值所对应的特征向量。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一输出值与预先设定的第一阈值的比较结果，确定出所述待检测绝缘子是否发生掉串故障，包括：

当所述第一输出值大于所述第一阈值时，判定所述待检测绝缘子发生掉串故障；

当所述第一输出值小于或等于所述第一阈值时，判定所述待检测绝缘子未发生掉串故障。

3.一种绝缘子掉串检测装置，应用于电子设备，其特征在于，所述绝缘子掉串检测装置包括：

获取模块，用于获得无人机拍摄的包括待检测绝缘子的图像；

提取模块，用于提取出所述图像中包括所述待检测绝缘子的目标区域；

分类模块，用于利用预先训练好的第一分类模型对所述目标区域进行分类，得到第一输出值；

确定模块，用于根据所述第一输出值与预先设定的第一阈值的比较结果，确定出所述待检测绝缘子是否发生掉串故障；

所述获取模块还用于获得无人机从多个角度拍摄的多张包括待检测绝缘子的图像；所述提取模块还用于提取出每张所述图像中包括绝缘子的目标区域；所述分类模块还用于利用所述第一分类模型对每个所述目标区域进行分类，得到多个第一输出值；其中，所述确定模块具体用于获得多个所述第一输出值大于所述第一阈值的图像数量；判断所述图像数量占所述第一输出值的总数量的百分比是否超过预设阈值；若是，则确定所述待检测绝缘子发生掉串故障；若否，则确定所述待检测绝缘子未发生掉串故障；所述提取出每张所述图像中包括绝缘子的目标区域，包括：将所述待检测绝缘子的图像分成SxS个格子，S为奇数；若所述待检测绝缘子的中心位置坐标落入到其中一个格子，则在该格子中设置k个参考框，并通过利用所述参考框之间的交并比IOU进行非极大值抑制，获得所述待检测绝缘子的目标区域；

其中，所述提取模块包括：提取子模块，用于从所述图像中提取出多个候选区域；归一化子模块，用于对所述多个候选区域进行区域大小归一化处理，得到大小相同的多个待分类区域；所述提取子模块还用于提取每个所述待分类区域的特征向量；分类子模块，用于利用第二分类模型对每个所述特征向量进行分类，得到符合绝缘子特征的特征向量；线性回归子模块，用于对符合绝缘子特征的特征向量进行线性回归，得到所述目标区域；所述第二分类模型采用跨层跳跃连接和多尺度网络输出结构；

所述分类子模块用于利用第二分类模型对每个所述特征向量进行分类，得到与每个所述特征向量对应的第二输出值；以及根据所述第二输出值与预先设定的第二阈值的比较结果，确定出符合绝缘子特征的特征向量，包括：若所述第二输出值大于所述第二阈值，则确定出符合绝缘子特征的该第二输出值所对应的特征向量；否则，确定出不符合绝缘子特征的该第二输出值所对应的特征向量。

4.根据权利要求3所述的绝缘子掉串检测装置，其特征在于，所述确定模块用于当所述第一输出值大于所述第一阈值时，判定所述待检测绝缘子发生掉串故障；以及

当所述第一输出值小于或等于所述第一阈值时，判定所述待检测绝缘子未发生掉串故障。

Images