一种绝缘子的故障检测方法及装置、存储介质与流程

1.本技术涉及绝缘子的检测技术领域，具体涉及一种绝缘子的故障检测方法及装置、计算机可读存储介质。


背景技术：

2.绝缘子是一种特殊的绝缘控件，在架空输电线路中起到重要作用。绝缘子是一种特殊的绝缘控件，能够在架空输电线路中起到重要作用。早年间绝缘子多用于电线杆，慢慢发展于高型高压电线连接塔的一端挂了很多盘状的绝缘体，它是为了增加爬电距离的，通常由玻璃或陶瓷制成，就叫绝缘子。绝缘子由于外部环境变化或者线路电负荷变化会导致的各种机电应力而发生故障，从而导致绝缘子不会产生重大的作用，就会损害整条线路的使用和运行寿命。
3.为了及时检测绝缘子故障，目前大多采用人工检测的方式，然而人工检测不仅浪费了大量的人力成本，而且由于人力巡检的效率不高、周期较长，导致了绝缘子存在漏检或长时间故障后才被检测到的问题；同时，人工检测还存在一定的安全隐患；另外，也不能对可能发生故障的绝缘子进行预判。
4.为了提高架空输电线路的输电效率和使用寿命，亟需一种可以快速有效检测绝缘子故障的方法和技术。


技术实现要素：

5.为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种绝缘子的故障检测方法及装置、计算机可读存储介质，先获取绝缘子的第一图像并采用分类算法识别绝缘子发生故障的概率，如果检测到绝缘子发生故障的概率比较高，则再次获取绝缘子的第二图像，根据第二图像分析得到绝缘子的故障类型，不仅可以节省大量的人力成本，还可以提高检测效率和效果，同时可以提前预判绝缘子的故障，以提高整个输电线路的安全性。
6.根据本技术的一个方面，提供了一种绝缘子的故障检测方法，包括：
7.获取所述绝缘子的第一图像；其中所述第一图像是在第一位置处拍摄得到；
8.根据所述第一图像，分析得到所述绝缘子发生故障的概率；
9.选取大于预设的概率阈值的故障图像；其中所述故障图像为所述第一图像中的部分或全部；
10.根据所述故障图像的拍摄位置，获取所述绝缘子的第二图像；以及
11.根据所述第二图像，分析得到所述绝缘子的故障类型。
12.在一实施例中，所述根据所述故障图像的拍摄位置，获取所述绝缘子的第二图像包括：
13.根据所述第一位置，确定第二位置；其中所述第一位置、所述第二位置和所述绝缘子共线，且所述第一位置和所述绝缘子之间的第一距离大于所述第二位置和所述绝缘子之间的第二距离；以及
14.在所述第二位置处获取所述第二图像。
15.在一实施例中，所述根据所述第一图像，分析得到所述绝缘子发生故障的概率包括：
16.将所述第一图像输入分类模型，得到所述绝缘子发生故障的概率。
17.在一实施例中，所述将所述第一图像输入分类模型，得到所述绝缘子发生故障的概率包括：
18.将所述第一图像输入第一神经网络模型，得到所述绝缘子发生故障的概率。
19.在一实施例中，所述故障类型包括污秽、破损、裂缝；其中，所述根据所述第二图像，分析得到所述绝缘子的故障类型包括：
20.将所述第二图像输入故障检测模型，得到所述绝缘子的所述故障类型。
21.在一实施例中，所述将所述第二图像输入故障检测模型，得到所述绝缘子的所述故障类型包括：
22.将所述第二图像输入神经网络模型，得到所述绝缘子的所述故障类型。
23.在一实施例中，所述第一图像包括多张图像，且所述多张图像对应的所述第一位置不同；其中，所述根据所述故障图像的拍摄位置，获取所述绝缘子的第二图像包括：
24.当所述故障图像包括多张图像时，根据多张所述故障图像的拍摄位置，获取所述绝缘子的多个所述第二图像；
25.所述根据所述第二图像，分析得到所述绝缘子的故障类型包括：
26.根据多个所述第二图像，分析得到所述绝缘子的故障类型。
27.在一实施例中，所述第一图像包括一张图像；其中，所述根据所述故障图像的拍摄位置，获取所述绝缘子的第二图像包括：
28.在所述故障图像对应的所述第一位置处再次拍摄所述绝缘子以获取所述第二图像。
29.根据本技术的另一个方面，提供了一种绝缘子的故障检测装置，包括：
30.第一获取模块，用于获取所述绝缘子的第一图像；其中所述第一图像是在第一位置处拍摄得到；
31.故障分析模块，用于根据所述第一图像，分析得到所述绝缘子发生故障的概率；
32.图像选取模块，用于选取大于预设的概率阈值的故障图像；其中所述故障图像为所述第一图像中的部分或全部；
33.第二获取模块，用于根据所述故障图像的拍摄位置，获取所述绝缘子的第二图像；以及
34.类型分析模块，用于根据所述第二图像，分析得到所述绝缘子的故障类型。
35.根据本技术的另一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一所述的绝缘子的故障检测方法。
36.本技术提供的一种绝缘子的故障检测方法及装置、计算机可读存储介质，通过获取绝缘子的第一图像；其中第一图像是在第一位置处拍摄得到；根据第一图像，分析得到绝缘子发生故障的概率；选取大于预设的概率阈值的故障图像；其中故障图像为第一图像中的部分或全部；根据故障图像的拍摄位置，获取绝缘子的第二图像；以及根据第二图像，分析得到绝缘子的故障类型；即先获取绝缘子的第一图像并采用分类算法识别绝缘子发生故
障的概率，如果检测到绝缘子发生故障的概率比较高，则再次获取绝缘子的第二图像，根据第二图像分析得到绝缘子的故障类型，不仅可以节省大量的人力成本，还可以提高检测效率和效果，同时可以提前预判绝缘子的故障，以提高整个输电线路的安全性。
附图说明
37.通过结合附图对本技术实施例进行更详细的描述，本技术的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本技术实施例的进一步理解，并且构成说明书的一部分，与本技术实施例一起用于解释本技术，并不构成对本技术的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
38.图1是本技术一示例性实施例提供的一种绝缘子的故障检测方法的流程示意图。
39.图2是本技术另一示例性实施例提供的一种绝缘子的故障检测方法的流程示意图。
40.图3是本技术另一示例性实施例提供的一种绝缘子的故障检测方法的流程示意图。
41.图4是本技术另一示例性实施例提供的一种绝缘子的故障检测方法的流程示意图。
42.图5是本技术一示例性实施例提供的一种绝缘子的故障检测装置的结构示意图。
43.图6是本技术另一示例性实施例提供的一种绝缘子的故障检测装置的结构示意图。
44.图7是本技术一示例性实施例提供的电子设备的结构图。
具体实施方式
45.下面，将参考附图详细地描述根据本技术的示例实施例。显然，所描述的实施例仅仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。
46.图1是本技术一示例性实施例提供的一种绝缘子的故障检测方法的流程示意图。如图1所示，该绝缘子的故障检测方法包括：
47.步骤110：获取绝缘子的第一图像。
48.其中，第一图像是在第一位置处拍摄得到。具体的，采集不同位置下的第一图像集imgn＝{img1,,.,imgn}，记采集imgn的相机位置为posn＝{pos1,...,posn}。
49.步骤120：根据第一图像，分析得到绝缘子发生故障的概率。
50.采用第一算法检测第一图像集绝缘子发生故障的概率集pron＝{pro1,...,pron}。
51.具体的，将第一图像输入分类模型，得到绝缘子发生故障的概率。优选地，将第一图像输入第一神经网络模型，得到绝缘子发生故障的概率。
52.步骤130：选取大于预设的概率阈值的故障图像。
53.其中，故障图像为第一图像中的部分或全部。具体的，选取大于概率阈值的概率集sub_prok＝{proi,...,prok}，其中sub_prok是pron的子集。其相对应的图像集为sub_imgk＝{imgi,...,imgk}，sub_imgk是imgn的子集；其相对应的相机位置集为sub_posk＝{posi,...,posk},posk是posn的子集。
54.步骤140：根据故障图像的拍摄位置，获取绝缘子的第二图像。
55.具体的，改变sub_posk为posk'＝{posi',...,posk'}，获取此位置集下第二图像集imgk'＝{imgi'.,,,.imgk'}。
56.步骤150：根据第二图像，分析得到绝缘子的故障类型。
57.具体的，本技术采用第二算法检测第二图像集得到绝缘子发生故障的类型errtype＝{errtypei,...,errtypek}。
58.具体的，故障类型包括污秽、破损、裂缝；其中，步骤150的具体实现方式可以是：将第二图像输入故障检测模型，得到绝缘子的故障类型。优选地，将第二图像输入神经网络模型，得到绝缘子的故障类型。
59.本技术提供的一种绝缘子的故障检测方法，通过获取绝缘子的第一图像；其中第一图像是在第一位置处拍摄得到；根据第一图像，分析得到绝缘子发生故障的概率；选取大于预设的概率阈值的故障图像；其中故障图像为第一图像中的部分或全部；根据故障图像的拍摄位置，获取绝缘子的第二图像；以及根据第二图像，分析得到绝缘子的故障类型；即先获取绝缘子的第一图像并采用分类算法识别绝缘子发生故障的概率，如果检测到绝缘子发生故障的概率比较高，则再次获取绝缘子的第二图像，根据第二图像分析得到绝缘子的故障类型，不仅可以节省大量的人力成本，还可以提高检测效率和效果，同时可以提前预判绝缘子的故障，以提高整个输电线路的安全性。
60.图2是本技术另一示例性实施例提供的一种绝缘子的故障检测方法的流程示意图。如图2所示，步骤140可以包括：
61.步骤141：根据第一位置，确定第二位置。
62.其中，第一位置、第二位置和绝缘子共线，且第一位置和绝缘子之间的第一距离大于第二位置和绝缘子之间的第二距离。即第二位置为更加靠近绝缘子的位置。
63.步骤142：在第二位置处获取第二图像。
64.通过在第一位置处拍摄的图像判断绝缘子可能存在故障时，可以距离绝缘子更近再次获取图像以确定故障及类型。
65.图3是本技术另一示例性实施例提供的一种绝缘子的故障检测方法的流程示意图。第一图像包括多张图像，且多张图像对应的第一位置不同；如图3所示，步骤140可以包括：
66.步骤143：当故障图像包括多张图像时，根据多张故障图像的拍摄位置，获取绝缘子的多个第二图像。
67.对应的，步骤150调整为：根据多个第二图像，分析得到绝缘子的故障类型。
68.通过多个角度的多张图像可以更为准确的判定绝缘子是否存在故障或者是否存在故障风险，并且通过多个角度的多张图像可以更为准确的分析得到绝缘子的故障类型。
69.图4是本技术另一示例性实施例提供的一种绝缘子的故障检测方法的流程示意图。第一图像包括一张图像；如图4所示，步骤140可以包括：
70.步骤144：在故障图像对应的第一位置处再次拍摄绝缘子以获取第二图像。
71.当通过一张图像判断绝缘子故障的概率比较高(例如比概率阈值大很多时)，即说明第一图像较为准确，或者说第一位置可以较为清楚的拍摄绝缘子的图像，此时可以在第一位置处再次拍摄绝缘子的图像，或者直接采用第一图像作为第二图像。
72.下面结合实际场景给出几个具体实例以做说明：
73.1、n＝k＝1(即第一图像的数量为1，故障图像的数量也为1)。
74.首先，可以先在第一位置下采集的第一张图像img1，并采用分类算法检测第一图像集以得到绝缘子发生故障的概率pro1，其中pro1大于预设阈值，认为绝缘子可能发生故障；其中，该分类法可以是神经网络yolo检测算法。无人机巡检时候，可以先采用分类算法识别绝缘子发生故障的概率，如果检测到无人机发生故障的概率比较低，则在进行故障类型检测时候，可以使用一个检测能力更强的算法进行故障检测，即提高故障检测模型的精度，以提升故障类型检测的准确率；如果检测到无人机发生故障的概率比较高，则在进行故障类型检测时，即可以适当降低故障检测模型的精度，也就是说使用一个检测能力稍弱的算法进行故障检测，以节省算力。
75.然后，改变无人机位置，使无人机更加接近绝缘子至第二位置，获取第二位置下采集的第二张图像img1'。当检测到无人机可能发生故障了，我们移动无人机的位置，使无人机更加接近绝缘子，相比远距离的故障诊断，近距离的检测能更加精细的检测绝缘子的故障类型。另外，还可以根据分类算法检测得到的绝缘子发生故障的概率大小，决定是否改变无人机采集图像的位置。具体地，当分类算法检测到绝缘子故障概率比较大，那么我们无须使无人机接近绝缘子，在同一个位置采集图像，就能准确检测绝缘子故障类型。
76.最后，采用训练好的yolo故障检测算法检测第二图像得到绝缘子发生故障的类型。yolo故障检测算法在实现时候需要采集大量的绝缘子故障图片作为训练数据，然后给每张训练图片打标签，标签内容为“污秽”“破损”“裂缝”，模型主体结构和训练方法采用yolo4的现有技术即可。训练完成后，把模型部署到无人机上，然后采集一张绝缘子照片，就能得到三种故障发生的概率。
77.2、n＝4，k＝2(即第一图像的数量为4，故障图像的数量也为2)。
78.首先，获取第一位置集下采集的第一图像集img4＝{img1,img2,img3,img4}，记采集img4的相机位置为pos4＝{pos1,pos2,pos3,pos4}，并采用分类算法检测第一图像集img4绝缘子发生故障的概率pro4＝{pro1,pro2,pro3,pro4}，获取大于阈值的概率集sub_pro2＝{pro2，pro4},其对应的图像集为sub_img2＝{img2，img4},相机位置集为sub_pos2＝{pos2，pos4},即分类算法检测到采集的绝缘子图像中img2和img4可能发生故障。
79.然后，改变无人机位置，使无人机从位置sub_pos2变为sub_pos2',sub_pos2'是无人机沿着pos2和pos4同绝缘子的垂线向接近于绝缘子方向得到的，获取此位置下第二图像集img2'＝{img2',img4'}。
80.最后，采用训练好的yolo故障检测算法检测img2'图像得到集绝缘子发生故障的类型为污秽和裂缝。
81.3、n＝k＝1(即第一图像的数量为1，故障图像的数量也为1)。
82.首先，获取第一位置下采集的第一张图像img1，并采用分类算法检测第一图像集绝缘子发生故障的概率pro1,其中pro1远大于预设阈值，则认为绝缘子极有可能发生故障。
83.然后，改变无人机位置，使无人机更加接近绝缘子至第二位置，获取第二位置下采集的第二张图像img1'。
84.最后，采用训练的的yolo-tiny故障检测算法检测第二图像得到绝缘子发生故障的类型。yolo-tiny是相比于传统yolo故障检测网络更精简的网络，可以是yolo网络经模型
压缩后的网络，还可以是yolo网络减少几个卷积层后重新训练的网络，相比yolo网络来说,yolo-tiny网络推理速度更快，非线性拟合能力稍弱。
85.4、n＝k＝1(即第一图像的数量为1，故障图像的数量也为1)。
86.首先，获取第一位置下采集的第一张图像img1，并采用分类算法检测第一图像集绝缘子发生故障的概率pro1,其中pro1远大于预设阈值，则认为绝缘子极有可能发生故障。
87.然后，不改变无人机位置，此位置下采集的第二张图像img1'。当无人机检测到绝缘子很可能发生故障，那说明现在无人机的观测位置尚佳，那么我们无须改变无人机采集图像的位置就能检测得到绝缘子发生的故障类型。
88.最后，采用训练好的yolo-tiny故障检测算法检测得到第二图像绝缘子发生故障的类型。
89.图5是本技术一示例性实施例提供的一种绝缘子的故障检测装置的结构示意图。如图5所示，该绝缘子的故障检测装置50包括：第一获取模块51，用于获取绝缘子的第一图像；其中第一图像是在第一位置处拍摄得到；故障分析模块52，用于根据第一图像，分析得到绝缘子发生故障的概率；图像选取模块53，用于选取大于预设的概率阈值的故障图像；其中故障图像为第一图像中的部分或全部；第二获取模块54，用于根据故障图像的拍摄位置，获取绝缘子的第二图像；以及类型分析模块55，用于根据第二图像，分析得到绝缘子的故障类型。
90.本技术提供的一种绝缘子的故障检测装置，通过第一获取模块51获取绝缘子的第一图像；其中第一图像是在第一位置处拍摄得到；故障分析模块52根据第一图像，分析得到绝缘子发生故障的概率；图像选取模块53选取大于预设的概率阈值的故障图像；其中故障图像为第一图像中的部分或全部；第二获取模块54根据故障图像的拍摄位置，获取绝缘子的第二图像；类型分析模块55根据第二图像，分析得到绝缘子的故障类型；即先获取绝缘子的第一图像并采用分类算法识别绝缘子发生故障的概率，如果检测到绝缘子发生故障的概率比较高，则再次获取绝缘子的第二图像，根据第二图像分析得到绝缘子的故障类型，不仅可以节省大量的人力成本，还可以提高检测效率和效果，同时可以提前预判绝缘子的故障，以提高整个输电线路的安全性。
91.图6是本技术另一示例性实施例提供的一种绝缘子的故障检测装置的结构示意图。如图6所示，第二获取模块54可以包括：位置确定单元541，用于根据第一位置，确定第二位置；图像拍摄单元542，用于在第二位置处获取第二图像。
92.在一实施例中，第二获取模块54可以进一步配置为：当故障图像包括多张图像时，根据多张故障图像的拍摄位置，获取绝缘子的多个第二图像。对应的，类型分析模块55配置为：根据多个第二图像，分析得到绝缘子的故障类型。
93.在一实施例中，第二获取模块54可以进一步配置为：在故障图像对应的第一位置处再次拍摄绝缘子以获取第二图像。
94.下面，参考图7来描述根据本技术实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。
95.图7图示了根据本技术实施例的电子设备的框图。
96.如图7所示，电子设备10包括一个或多个处理器11和存储器12。
97.处理器11可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。
98.存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本技术的各个实施例的绝缘子的故障检测方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
99.在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
100.在该电子设备是单机设备时，该输入装置13可以是通信网络连接器，用于从第一设备和第二设备接收所采集的输入信号。
101.此外，该输入设备13还可以包括例如键盘、鼠标等等。
102.该输出装置14可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出设备14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
103.当然，为了简化，图7中仅示出了该电子设备10中与本技术有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。
104.除了上述方法和设备以外，本技术的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本技术各种实施例的绝缘子的故障检测方法中的步骤。
105.所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本技术实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、c++等，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
106.此外，本技术的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本技术各种实施例的绝缘子的故障检测方法中的步骤。
107.所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
108.以上结合具体实施例描述了本技术的基本原理，但是，需要指出的是，在本技术中
提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本技术的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本技术为必须采用上述具体的细节来实现。
109.本技术中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
110.还需要指出的是，在本技术的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本技术的等效方案。
111.提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本技术。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本技术的范围。因此，本技术不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
112.为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本技术的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。