(19)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 202210998021.1 (22)申请日 2022.08.19 (71)申请人 国网福建省电力有限公司福州供电 公司 地址 350004 福建省福州市台江区新港道4 号 申请人 国网福建省电力有限公司 (72)发明人 王榆　黄毅标　龚杭章　程航　 林川杰　冯振波　郑孝干　周云婷　 (74)专利代理 机构 福州科扬专利事务所(普通 合伙) 35001 专利代理师 林朝熙 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01)G06V 10/766(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于YOLO v5模型的配网架空线路绝缘 端子脏污识别方法 (57)摘要 本发明涉及一种基于YOL O v5模型的配网架 空线路绝缘端子脏污识别方法， 采集绝缘端子图 像并进行人工标注， 按污渍像素面积是否小于污 渍标准大小， 将绝缘端子分为有污渍绝缘端子和 无污渍绝缘端子； 提取有污渍图像中污渍的位置 坐标， 再将对应坐标的污渍截取下来复制到绝缘 端子背景图中； 进行数据增强处理、 进行图像分 块得到特征图； 输入到Neck网络中进行特征融合 处理， 得到检测图； 输入到 预测模块进行预测， 基 于损失函数获得最终训练模型； 通过机械臂携带 相机对高压线处的绝缘端子进行图像采集， 基于 YOLO V5训练好的模型对采集到的图片进行检 测， 判断其污 渍程度。 权利要求书3页 说明书6页 CN 115239697 A 2022.10.25 CN 115239697 A 1.一种基于 YOLO v5模型的绝 缘端子污渍图像检测方法， 其特 征在于： 包括： 采集绝缘端子图像， 对绝缘端子图像数据进行人工标注， 包括污渍标注框的位置坐标P 和污渍类别； 根据标注框的大小计算块状污渍面积， 按污渍面积是否小于预设的污渍标准大小， 将 绝缘端子图像分为有污 渍绝缘端子图像和无污 渍绝缘端子图像； 根据污渍标注框的位置坐标从有污渍绝缘端子图像中截取出污渍图像， 将截取出的至 少一污渍图像复制到无污 渍绝缘端子背景图像中， 进行有污 渍绝缘端子图像的数据扩增； 对数据扩增后的有污渍绝缘端子图像进行数据增强处理， 得到 高分辨率绝缘端子污渍 图像数据集； 将高分辨率绝缘端子污渍图像数据集中的图像输入至YOLO  v5模型， 通过Backbone模 块对输入图像进行图像 分块， 采用滑动窗口的方法， 事先给定窗口大小和移动步长， 若窗口 中含有污 渍则保留分块图作为特 征图， 若不包 含， 则不保留分块图； 将特征图输入到Neck网络中进行 特征融合处 理， 得到检测图； 将检测图输入到head网络中进行预测， 通过head网络输出预测污渍位置坐标P ’， 构建 损失函数计算预测污渍位置坐标P ’与对应输入图像中污渍标注框的位置坐标P的损失值， 基于计算出的损失值进行反向传播调节网络权重参数， 进 行迭代训练获得绝缘端子污渍检 测模型； 采用绝缘端子污渍检测模型对现场绝 缘端子进行污 渍检测。 2.如权利 要求1所述的一种基于YOLO  v5模型的配网架空线路绝缘端子脏污识别方法， 其特征在于： 所述污渍标注框的位置坐标P＝(x1， x2， y1， y2)， 其中(x1， y1)， (x2， y2)分别代 表污渍标注框的左上角与右下角坐标。 3.如权利 要求2所述的一种基于YOLO  v5模型的配网架空线路绝缘端子脏污识别方法， 其特征在于： 使用label Img系统对绝 缘端子图像数据进行 人工标注。 4.如权利 要求3所述的一种基于YOLO  v5模型的配网架空线路绝缘端子脏污识别方法， 其特征在于： 通过Backbone模块对输入图像进行图像分块的方法具体为： 设定输入图像大 小为W1*H1， 滑动窗口大小为W2*H2， 移动 窗口移动步长为d， 污渍标注框的位置坐标为P＝ (x1， y1， x2， y2)， 执行分块操作后的污渍标注框位置为P1＝(x ′1， y′1， x′2， y′2)， P1的位置坐 标 计算公式为： x′1＝x1‑i*d y′1＝y1‑j*d x′2＝x2‑i*d y′2＝y2‑j*d 其中， i为滑动窗口像右 滑动次数， j为滑动窗口向下滑动次数。 5.如权利 要求4所述的一种基于YOLO  v5模型的配网架空线路绝缘端子脏污识别方法， 其特征在于： 在训练时将训练图片分为K*K个网格， 每个网格负责预测B个锚框， 预测值与目 标位置之间的转换公式为：权　利　要　求　书 1/3 页 2 CN 115239697 A 2其中tx和ty为预测框中心坐标距网格左上点坐标的距 离、 tw和th为预测框与锚框宽和高 的缩放系数， aw与ah为锚框的宽与高， cx与cy为锚框所处网格的左上点坐标以及评判是否存 在目标的置信度Conf， 网络预测出的预测污渍位置中心 点坐标即为(x， y)， w与h为预测框的 宽与高。 6.如权利 要求5所述的一种基于YOLO  v5模型的配网架空线路绝缘端子脏污识别方法， 其特征在于： 在构建损失函数计算预测污渍位置坐标P ’与对应输入图像中污渍标注框的位 置坐标P的损失值步骤中， 对污渍标注框位置坐标P构建 的GIOU Loss位置回归损失函数如 下： 其中， λcoord为位置损失系数， 为目标真实的中心坐标， 为目标真实的宽度与 高度， 若在(i， j)处的锚框包 含目标， 则 值为1， 否则该值 为0。 7.如权利 要求6所述的一种基于YOLO  v5模型的配网架空线路绝缘端子脏污识别方法， 其特征在于： 检测前将采集到的现场绝缘端子图像分割为指定大小的图片， 分割 方法采用 移动窗口法， 分割大小与高分辨率绝缘体污渍数据集进行图像分块中的训练图像大小一 致， 采集图片大小为W1*H1， 分割后大小为W2*H2， 移动窗口移动步长为d， 采集一张布片后的 分割图片总数为M， M的计算公式如下： 其中指对X进行向上取整， 将分割后的图片标记为 检测时， Sij被批量输入至绝 缘端子污渍检测模型进行检测。 8.如权利 要求7所述的一种基于YOLO  v5模型的配网架空线路绝缘端子脏污识别方法， 其特征在于： 检测到图片Sij中污渍P2且坐 标为(x， y)时， 需将分割后的图片拼接显示于图像 检测软件界面并记录最终污 渍位置坐标P2 ’＝(x′， y′)， 其中： (x ′＝x+i*d)、 (y ′＝y+j*d)。 9.如权利要求1 ‑8任意一项所述的一种基于YOLO  v5模型的配网架空线路绝缘端子脏 污识别方法， 其特征在于： YOLO  v5模型包括输入端、 Backbone模块、 Neck网络、 Head网络和 输出端； 输入端： 用于将采集到的绝缘端子图片通过Mosaic数据增强， 对图片进行随机缩放、 随 机采集、 随机排布等方式进行拼； Backbone模块： 首先通过Focus模块， 对输入端处理过的绝缘端子图片进行分块切 片操权　利　要　求　书 2/3 页 3 CN 115239697 A 3