一种面向智能巡检的防振锤数据集构建方法与流程

本发明涉及架空输电线路巡检、人工智能技术领域，尤其是涉及一种面向智能巡检的防振锤数据集构建方法。

背景技术：

公知的，实现架空输电线路智能巡检的关键是利用人工智能技术代替巡线工人完成对电力部件的识别和故障诊断；防振锤是架空输电线路中的关键电力部件之一，现有的人工智能算法仅专注于解决防振锤的定位、识别以及部分故障的诊断问题，实际上，防振锤是由多个零件组成的电力部件，从零件级到部件级的故障都会影响防振锤的正常工作。数据集是对人工智能算法特别是深度学习算法进行训练和验证的基础，现有的防振锤数据集仅标注了防振锤的位置信息和少数几类故障信息，不能反应防振锤由零件到部件的层级关系，也没有对防振锤可能发生的故障作出准确记录，从而不适合用于研究面向智能巡检的防振锤检测和故障诊断算法，因此亟需一种面向智能巡检的防振锤数据集构建方法，成为本领域技术人员的基本诉求。

技术实现要素：

为了克服背景技术中的不足，本发明公开了一种面向智能巡检的防振锤数据集构建方法。

为了实现所述发明目的，本发明采用如下技术方案：

一种面向智能巡检的防振锤数据集构建方法，具体包括以下步骤：

（1）、确定需要研究的防振锤型号，针对每个型号的防振锤建立分解关系图，所述防振锤型号为二级节点，防振锤部件为一级节点且设置有多个，相邻防振锤部件之间存在距离约束，每个防振锤部件属于任意一个型号，多种型号防振锤部件的零件均包括线夹、连接件、左锤头和右锤头，其中左锤头、右锤头分别与线夹之间存在距离约束关系；

（2）、根据分解关系图，按照从零件到部件、由内到外的原则建立起防振锤在零件、部件、约束关系方面可能发生的故障状态，防振锤部件的故障状态由防振锤零件、零件约束关系及防振锤部件之间约束关系的故障状态决定，只要有一项处于故障状态，则防振锤部件也处于故障状态；

（3）、搜集各型号防振锤的图片，并对图片进行标注，具体标注步骤如下：

a、标注图片文件的信息，需要标注的信息包括图片的文件名、图片唯一id、存储路径、采集时间、图片像素高度、像素宽度与通道数，此工作可通过读取图片文件的属性自动标注；

b、标注防振锤部件及其零件的位置和类别信息；

c、标注防振锤零件和部件的故障状态信息；

d、将标注信息保存xml格式的文件中；

（4）、利用标注好的图片建立训练集和测试集，将标注好的图片和标注文件分别存储在两个文件夹中，随机从所有图片中选取4/5的图片作为训练集，并将这部分图片的存储路径写入到文件train.txt中；将剩下1/5的图片作为测试集，并将这部分图片的存储路径写入到文件test.txt中，训练集用于防振锤检测和故障诊断算法的训练，测试集用于防振锤检测和故障诊断算法的验证。

所述的面向智能巡检的防振锤数据集构建方法，多种型号的防振锤还包括螺栓和预绞丝。

所述的面向智能巡检的防振锤数据集构建方法，步骤（3）b中所述的标注方法为：（1）用矩形框在图片中标注出防振锤部件的位置，并为图片中的每个防振锤分配唯一id；（2）在每个防振锤区域中，用矩形框标注出各零件的位置；矩形框在标注文件中的记录格式为（xmin，ymin，xmax，ymax），（xmin，ymin）是矩形框左上角的坐标，（xmax，ymax）是矩形框右下角的目标。

所述的面向智能巡检的防振锤数据集构建方法，步骤（3）c中标注方法为：（1）、标注防振锤各零件本体的故障状态信息；（2）、标注防振锤各零件之间约束关系的故障状态信息；（3）、在图片中寻找存在相互约束关系的防振锤部件，并标注其约束关系的故障状态信息；（4）、基于以上三种故障状态信息推导防振锤本体的故障状态信息，只要以上三种故障状态信息中有一项处于故障状态，则该防振锤也处于故障状态。

所述的面向智能巡检的防振锤数据集构建方法，步骤（3）c中在标注方法中，约束关系用关键字interaction表示；故障状态用关键字status表示。关键字status为0时表示无故障，status为1时表示有故障，具体的故障状态可根据需要进行细分。

所述的面向智能巡检的防振锤数据集构建方法，步骤（3）c中标注防振锤的故障状态信息包括无故障信息和有故障信息，有故障信息包括腐蚀、锈蚀、电弧烧伤、开裂、磨损、破损、表面脏污、有较大变形和约束关系异常，无故障信息和有故障信息分别用状态编码0和1表示，腐蚀、锈蚀、电弧烧伤分别用状态编码10、11、12表示，开裂、磨损、破损用状态编码13表示，表面脏污、有较大变形分别用14、15表示，约束关系异常用16表示。

由于采用了上述技术方案，本发明具有如下有益效果：

本发明所述的面向智能巡检的防振锤数据集构建方法，根据架空输电线路中防振锤的特点、零件组成和可能发生的故障信息，构建一套防振锤数据集，数据集中防振锤的分解关系、各零部件之间的约束关系及故障信息可以用于指导防振锤检测和故障诊断算法的设计，从而实现防振锤从零件到部件的全面检测，同时为防振锤检测结果的信息记录提供了模板，数据集中的各类型防振锤图片及标注的信息为防振锤检测和故障诊断算法的效果提供了一个基准，可用于训练基于深度学习的防振锤检测和故障诊断算法，同时可用于不同算法的测试和比较。

附图说明

图1是本发明防振锤的分解关系图；

图中：1、防振锤部件a；2、防振锤部件b；3、防振锤型号a；4、防振锤型号b；5、防振锤型号c；6、线夹；7、连接件；8、左锤头；9、右锤头；10、螺栓；11、预绞丝。

具体实施方式

通过下面的实施例可以详细的解释本发明，公开本发明的目的旨在保护本发明范围内的一切技术改进。

结合附图1所述的面向智能巡检的防振锤数据集构建方法，具体包括以下步骤：

（1）、确定需要研究的防振锤型号，针对每个型号的防振锤建立分解关系图，所述防振锤型号为二级节点，防振锤部件为一级节点且设置有多个，相邻防振锤部件之间存在距离约束，每个防振锤部件属于任意一个型号，多种型号防振锤部件的零件均包括线夹、连接件、左锤头和右锤头，其中左锤头、右锤头分别与线夹之间存在距离约束关系；

（2）、根据分解关系图，按照从零件到部件、由内到外的原则建立起防振锤在零件、部件、约束关系方面可能发生的故障状态，防振锤部件的故障状态由防振锤零件、零件约束关系及防振锤部件之间约束关系的故障状态决定，只要有一项处于故障状态，则防振锤部件也处于故障状态；

（3）、搜集各型号防振锤的图片，并对图片进行标注，具体标注步骤如下：

a、标注图片文件的信息，需要标注的信息包括图片的文件名、图片唯一id、存储路径、采集时间、图片像素高度、像素宽度与通道数，此工作可通过读取图片文件的属性自动标注；

b、标注防振锤部件及其零件的位置和类别信息；

c、标注防振锤零件和部件的故障状态信息；

d、将标注信息保存xml格式的文件中；

（4）、利用标注好的图片建立训练集和测试集，将标注好的图片和标注文件分别存储在两个文件夹中，随机从所有图片中选取4/5的图片作为训练集，并将这部分图片的存储路径写入到文件train.txt中；将剩下1/5的图片作为测试集，并将这部分图片的存储路径写入到文件test.txt中，训练集用于防振锤检测和故障诊断算法的训练，测试集用于防振锤检测和故障诊断算法的验证。

所述的面向智能巡检的防振锤数据集构建方法，多种型号的防振锤还包括螺栓和预绞丝。

所述的面向智能巡检的防振锤数据集构建方法，步骤（3）b中所述的标注方法为：（1）用矩形框在图片中标注出防振锤部件的位置，并为图片中的每个防振锤分配唯一id；（2）在每个防振锤区域中，用矩形框标注出各零件的位置；矩形框在标注文件中的记录格式为（xmin，ymin，xmax，ymax），（xmin，ymin）是矩形框左上角的坐标，（xmax，ymax）是矩形框右下角的目标。

所述的面向智能巡检的防振锤数据集构建方法，步骤（3）c中标注方法为：（1）、标注防振锤各零件本体的故障状态信息；（2）、标注防振锤各零件之间约束关系的故障状态信息；（3）、在图片中寻找存在相互约束关系的防振锤部件，并标注其约束关系的故障状态信息；（4）、基于以上三种故障状态信息推导防振锤本体的故障状态信息，只要以上三种故障状态信息中有一项处于故障状态，则该防振锤也处于故障状态。

所述的面向智能巡检的防振锤数据集构建方法，步骤（3）c中在标注方法中，约束关系用关键字interaction表示；故障状态用关键字status表示。关键字status为0时表示无故障，status为1时表示有故障，具体的故障状态可根据需要进行细分。

所述的面向智能巡检的防振锤数据集构建方法，步骤（3）c中标注防振锤的故障状态信息包括无故障信息和有故障信息，有故障信息包括腐蚀、锈蚀、电弧烧伤、开裂、磨损、破损、表面脏污、有较大变形和约束关系异常，无故障信息和有故障信息分别用状态编码0和1表示，腐蚀、锈蚀、电弧烧伤分别用状态编码10、11、12表示，开裂、磨损、破损用状态编码13表示，表面脏污、有较大变形分别用14、15表示，约束关系异常用16表示。

实施例1

（1）、确定需要研究的防振锤型号，针对每个型号的防振锤建立分解关系图，防振锤部件为一级节点，设置有多个，相邻防振锤部件a1、防振锤部件b2之间存在距离约束，防振锤部件a1、防振锤部件b2可为不同的型号，如：防振锤型号a3、防振锤型号b4、防振锤型号c5，不同型号的防振锤均标注为二级节点，防振锤部件a1、防振锤部件b2的零件均包括线夹6、连接件7、左锤头8、右锤头9、螺栓10和预绞丝11，其中左锤头8、右锤头9分别与线夹6之间存在距离约束关系；

（2）、根据分解关系图，按照从零件到部件、由内到外的原则建立起防振锤在零件、部件、约束关系方面可能发生的故障状态，防振锤部件a1、防振锤部件b2的故障状态由防振锤零件、零件约束关系及防振锤部件之间约束关系的故障状态决定，只要有一项处于故障状态，则防振锤部件也处于故障状态；

（3）、搜集各型号防振锤的图片，并对图片进行标注，具体标注步骤如下：

a、标注图片文件的信息，需要标注的信息包括图片的文件名、图片唯一id、存储路径、采集时间、图片像素高度、像素宽度与通道数，此工作可通过读取图片文件的属性自动标注；

b、标注防振锤部件a1、防振锤部件b2及其各零件的位置信息；

（1）用矩形框在图片中标注出防振锤部件的位置，并为图片中的每个防振锤分配唯一id；（2）在每个防振锤区域中，用矩形框标注出各零件的位置；矩形框在标注文件中的记录格式为（xmin，ymin，xmax，ymax），（xmin，ymin）是矩形框左上角的坐标，（xmax，ymax）是矩形框右下角的目标；

c、标注防振锤的故障状态信息；

标注方法为：（1）、标注防振锤部件和各零件本体的故障状态信息；标注防振锤部件和各零件本体的故障状态信息，包括无故障信息和有故障信息，故障状态用关键字status表示，关键字status为0时表示无故障，status为1时表示有故障，有故障信息包括腐蚀、锈蚀、电弧烧伤、开裂、磨损、破损、表面脏污、有较大变形和约束关系异常，腐蚀、锈蚀、电弧烧伤分别用状态编码10、11、12表示，开裂、磨损、破损用状态编码13表示，表面脏污、有较大变形分别用14、15表示；（2）、标注防振锤各零件之间约束关系的故障状态信息，约束关系用关键字interaction表示；故障状态用关键字status表示，关键字status为0时表示无故障，status为1时表示有故障；（3）、在图片中寻找存在相互约束关系的防振锤部件，并标注约束关系的故障状态信息；（4）、基于以上三种故障状态信息推导防振锤本体的故障状态信息，只要以上三种故障状态信息中有一项处于故障状态，则该防振锤也处于故障状态；

d、将标注信息保存xml格式的文件中；

（4）、利用标注好的图片建立训练集和测试集，将标注好的图片和标注文件分别存储在两个文件夹中，随机从所有图片中选取4/5的图片作为训练集，并将这部分图片的存储路径写入到文件train.txt中；将剩下1/5的图片作为测试集，并将这部分图片的存储路径写入到文件test.txt中，训练集用于防振锤检测和故障诊断算法的训练，测试集用于防振锤检测和故障诊断算法的验证。

本发明未详述部分为现有技术。

为了公开本发明的发明目的而在本文中选用的实施例，当前认为是适宜的，但是，应了解的是，本发明旨在包括一切属于本构思和发明范围内的实施例的所有变化和改进。