关键词：
输电线路
深度学习
目标检测
缺陷识别
知识推理
摘要：
2022年党的二十大报告指出要加快规划建设新型能源体系,重点围绕安全稳定、清洁低碳、经济可行等三大方面持续发力。电力系统是规划建设新型能源体系的关键,输电线路运维工作对电力系统的安全稳定运行至关重要。采用无人机对输电线路进行巡检的方式已成为目前主要的运维模式,其中,基于巡检航拍图像的输电线路缺陷检测是关键环节。当前的输电线路视觉检测方法主要采用“深度学习+大规模数据+强监督标注”的方法范式,存在固有的“少知识、欠推理和难解释”的不足,难以解决输电线路复杂环境中存在的密集小目标检出率低、缺陷识别性能差的问题。本论文将输电线路视觉巡检技术进行深入细分,提出“广视角下多类部件全局检测——融合外部和内部知识的局部密集区域精细检测——多形态部件缺陷精确识别”的技术框架,以知识和数据双驱动为主要技术手段,实现输电线路部件目标精确检测和缺陷准确识别。本文的主要研究内容如下:
1.针对广视角输电线路航拍图像中存在的部件目标分布不均匀及尺寸不均衡问题,提出了一种融合场景先验知识的多目标迭代检测方法。该方法包括粗粒度检测模块、场景自适应聚类模块和场景结构迭代推理模块。首先,粗粒度检测模块从原始航拍图像中获得初步检测结果;然后,场景自适应聚类模块基于初步检测结果融合场景先验结构知识,聚类出准确的局部密集区域;最后,场景结构迭代推理模块提取局部区域的场景语义结构特征与原始区域特征融合,实现对局部区域的迭代检测。实验结果表明,该方法相较于多个先进方法在平均精度、平均召回率等指标上均有显著提升,尤其在小目标检测方面优势明显。所提出的方法为广视角图像下非均匀分布的多目标检测提供了一种有效技术方案。
2.针对局部密集图像中存在的目标背景复杂,形态多样及连接密集的问题,提出了一种融合外部知识的多目标级联图推理方法。首先,深入分析输电线路部件的规则和特点,提取了共现知识、语义知识和空间知识以指导模型学习;然后,分别采用有监督的图学习网络进行共现推理、图注意力机制网络进行语义推理以及图卷积神经网络进行空间推理;另外,为了给知识推理模块生成更准确的区域建议框特征,采用级联检测模块进行特征重采样;最后将知识推理模块的增强特征层融合至原有特征中,实现部件目标识别与定位。实验结果表明,该方法能够提升多种输电线路部件的检测效果,尤其在难检测金具部件目标检测性能上实现了显著提升。
3.针对局部密集图像中复杂背景条件下的小目标遮挡问题,提出了一种融合隐含知识的多目标解耦检测方法。该方法由场景知识推理模块、空间知识推理模块和解耦检测模块组成。首先,为了挖掘部件间的组合结构规律,通过场景知识推理模块中的场景感知网络,挖掘图像中的场景信息,并进一步使用推理网络有效融合场景信息;随后,为了挖掘部件间的空间位置关联规律,通过空间感知网络提取空间视觉特征关系和几何特征关系,并进一步利用图卷积网络实现空间知识推理;最后,使用解耦模块以非耦合方式对部件检测任务进行训练,得到最终的检测结果。实验结果表明,在定量结果上,所提方法的检测效果优于其他先进目标检测方法。在定性结果上,所提方法能够降低目标遮挡的影响,实现密集小目标的精确检测。
4.针对输电线路部件缺陷识别存在的缺陷前景特征提取困难、类间特征相似及类内特征相异的问题,提出了一种融合外观结构知识的多形态缺陷识别方法。该方法包括目标实体筛选模块、多样本对比学习模块和缺陷类别原型学习模块。目标实体筛选模块通过有效特征筛选网络使模型聚焦于前景实体目标特征,进而降低复杂背景噪声对后续融合外观结构知识的影响;多样本对比学习模块利用多个人工样本(正例和负例)与真实样本进行度量对比,从而学习人工样本中的外观结构知识,以增强模型对相似类别的识别能力;缺陷类别原型模块采用样本混合策略,从人工和真实样本中学习得到统一的类别原型向量,以提高模型对类内多形态特征的提取能力。实验结果表明,与其他先进分类网络相比,所提方法实现了最优的识别性能,通过消融实验,验证了各模块的有效性和作用。
本文构建了“广视角下目标检测——局部视角下目标精检测——部件视角下缺陷识别”的输电线路视觉检测整体框架,提出了一系列部件目标精确检测和缺陷识别方法,可为输电线路设备部件智能化状态监测系统提供技术参考和思路。
欢迎来到三峡大学图书馆！
