基于深度学习的输电线杆塔绝缘子图像处理方法及系统与流程

本技术涉及图像处理，尤其涉及一种基于深度学习的输电线杆塔绝缘子图像处理方法及系统。

背景技术：

1、输电线杆塔绝缘子在电力系统中扮演着至关重要的角色，它们不仅支持和固定电气导线，还防止电流流向不希望的方向，保证了电流沿着预定的路径流动而不漏电到支持结构或地面。因此，对于电力系统的运行稳定性和安全性而言，准确、快速地识别和分类绝缘子极其重要。

技术实现思路

1、为了改善上述问题，本技术提供了一种基于深度学习的输电线杆塔绝缘子图像处理方法及系统。

2、第一方面，本技术实施例提供一种基于深度学习的输电线杆塔绝缘子图像处理方法，应用于深度学习图像处理系统，所述方法包括：

3、获取目标输电线杆塔绝缘子的当前真彩点云扫描图像集；

4、将所述目标输电线杆塔绝缘子的当前真彩点云扫描图像集录入完成调试的绝缘子实例分割网络，由所述完成调试的绝缘子实例分割网络中第一图像语义挖掘组件根据所述目标输电线杆塔绝缘子的当前真彩点云扫描图像集挖掘所述目标输电线杆塔绝缘子对应的各待处理输电走廊通道区间的绝缘子点云图像语义向量；

5、获取绝缘子点云图像知识集中各绝缘子聚类标签分别对应的绝缘子点云图像语义向量；所述各绝缘子聚类标签分别对应的绝缘子点云图像语义向量由所述完成调试的绝缘子实例分割网络中第二图像语义挖掘组件根据绝缘子聚类标签的绝缘子图像描述数据提取所得；

6、依据所述目标输电线杆塔绝缘子对应的各待处理输电走廊通道区间的绝缘子点云图像语义向量与所述各绝缘子聚类标签分别对应的绝缘子点云图像语义向量的共性判别得分，确定向所述目标输电线杆塔绝缘子分配的绝缘子聚类标签。

7、在第一方面的一些可选实施例中，绝缘子实例分割网络的调试方法包括：

8、获取各输电线杆塔绝缘子训练示例各自的真彩点云扫描图像集训练示例；

9、针对每一输电线杆塔绝缘子训练示例的真彩点云扫描图像集训练示例，将真彩点云扫描图像集训练示例拆解成待处理真彩点云扫描图像集以及重构真彩点云扫描图像集，得到所述每一输电线杆塔绝缘子训练示例的待处理真彩点云扫描图像集以及重构真彩点云扫描图像集；

10、将所述每一输电线杆塔绝缘子训练示例的待处理真彩点云扫描图像集录入待调试的绝缘子实例分割网络的第一图像语义挖掘组件，由所述第一图像语义挖掘组件根据所述待处理真彩点云扫描图像集提取各待处理输电走廊通道区间的绝缘子点云图像语义向量，得到所述每一输电线杆塔绝缘子训练示例对应的所述各待处理输电走廊通道区间的绝缘子点云图像语义向量；

11、将所述每一输电线杆塔绝缘子训练示例的重构真彩点云扫描图像集录入待调试的绝缘子实例分割网络的第二图像语义挖掘组件，由所述第二图像语义挖掘组件根据所述重构真彩点云扫描图像集提取各重构输电走廊通道区间的绝缘子点云图像语义向量，得到所述每一输电线杆塔绝缘子训练示例对应的所述各重构输电走廊通道区间的绝缘子点云图像语义向量；

12、依据所述每一输电线杆塔绝缘子训练示例对应的各待处理输电走廊通道区间的绝缘子点云图像语义向量与所述每一输电线杆塔绝缘子训练示例对应的各重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分，调试所述待调试的绝缘子实例分割网络的第一图像语义挖掘组件和第二图像语义挖掘组件；

13、当对应于相同输电线杆塔绝缘子训练示例的待处理输电走廊通道区间的绝缘子点云图像语义向量与重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分不小于第一共性判别得分限值，且对应于不同输电线杆塔绝缘子训练示例的待处理输电走廊通道区间的绝缘子点云图像语义向量与重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分小于第二共性判别得分限值时，得到完成调试的绝缘子实例分割网络。

14、在第一方面的一些可选实施例中，所述依据所述每一输电线杆塔绝缘子训练示例对应的各待处理输电走廊通道区间的绝缘子点云图像语义向量与所述每一输电线杆塔绝缘子训练示例对应的各重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分，调试所述待调试的绝缘子实例分割网络的第一图像语义挖掘组件和第二图像语义挖掘组件，包括：

15、从所述每一输电线杆塔绝缘子训练示例对应的各待处理输电走廊通道区间的绝缘子点云图像语义向量中提取若干绝缘子点云图像语义向量作为第一类绝缘子点云图像语义向量集，从所述每一输电线杆塔绝缘子训练示例对应的各重构输电走廊通道区间的绝缘子点云图像语义向量中提取若干绝缘子点云图像语义向量作为第二类绝缘子点云图像语义向量集；

16、根据所述第一类绝缘子点云图像语义向量集中各绝缘子点云图像语义向量与所述第二类绝缘子点云图像语义向量集中各绝缘子点云图像语义向量的共性判别得分，调试所述待调试的绝缘子实例分割网络的第一图像语义挖掘组件和第二图像语义挖掘组件。

17、在第一方面的一些可选实施例中，所述当对应于相同输电线杆塔绝缘子训练示例的待处理输电走廊通道区间的绝缘子点云图像语义向量与重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分不小于第一共性判别得分限值，且对应于不同输电线杆塔绝缘子训练示例的待处理输电走廊通道区间的绝缘子点云图像语义向量与重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分小于第二共性判别得分限值时，得到完成调试的绝缘子实例分割网络，包括：

18、当对应于相同输电线杆塔绝缘子训练示例的所述第一类绝缘子点云图像语义向量集中的绝缘子点云图像语义向量与所述第二类绝缘子点云图像语义向量集中的绝缘子点云图像语义向量的共性判别得分不小于第一共性判别得分限值，且对应于不同输电线杆塔绝缘子训练示例的所述第一类绝缘子点云图像语义向量集中的绝缘子点云图像语义向量与所述第二类绝缘子点云图像语义向量集中的绝缘子点云图像语义向量的共性判别得分小于第二共性判别得分限值时，得到完成调试的绝缘子实例分割网络。

19、在第一方面的一些可选实施例中，所述方法还包括：

20、针对每一输电线杆塔绝缘子训练示例，对其待处理真彩点云扫描图像集进行不同的语义标注处理，得到最少两组经语义标注处理的待处理真彩点云扫描图像集；

21、将所述每一输电线杆塔绝缘子训练示例的所述最少两组经语义标注处理的待处理真彩点云扫描图像集，录入所述待调试的绝缘子实例分割网络的第一图像语义挖掘组件，由所述第一图像语义挖掘组件根据所述最少两组经语义标注处理的待处理真彩点云扫描图像集分别生成对应的最少两组各待处理输电走廊通道区间的绝缘子点云图像语义向量，得到所述每一输电线杆塔绝缘子训练示例对应的所述最少两组各待处理输电走廊通道区间的绝缘子点云图像语义向量；

22、针对所述每一输电线杆塔绝缘子训练示例，根据对应的最少两组各待处理输电走廊通道区间的绝缘子点云图像语义向量，得到最少两个最后待处理输电走廊通道区间的绝缘子点云图像语义向量；

23、所述依据所述每一输电线杆塔绝缘子训练示例对应的各待处理输电走廊通道区间的绝缘子点云图像语义向量与所述每一输电线杆塔绝缘子训练示例对应的各重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分，调试所述待调试的绝缘子实例分割网络的第一图像语义挖掘组件和第二图像语义挖掘组件，包括：

24、依据所述每一输电线杆塔绝缘子训练示例对应的各待处理输电走廊通道区间的绝缘子点云图像语义向量与所述每一输电线杆塔绝缘子训练示例对应的各重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分，以及所述最少两个最后待处理输电走廊通道区间的绝缘子点云图像语义向量间的共性判别得分，调试所述待调试的绝缘子实例分割网络的第一图像语义挖掘组件和第二图像语义挖掘组件。

25、在第一方面的一些可选实施例中，所述当对应于相同输电线杆塔绝缘子训练示例的待处理输电走廊通道区间的绝缘子点云图像语义向量与重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分不小于第一共性判别得分限值，且对应于不同输电线杆塔绝缘子训练示例的待处理输电走廊通道区间的绝缘子点云图像语义向量与重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分小于第二共性判别得分限值时，得到完成调试的绝缘子实例分割网络，包括：

26、当对应于相同输电线杆塔绝缘子训练示例的待处理输电走廊通道区间的绝缘子点云图像语义向量与重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分不小于第一共性判别得分限值，且对应于不同输电线杆塔绝缘子训练示例的待处理输电走廊通道区间的绝缘子点云图像语义向量与重构输电走廊通道区间的绝缘子点云图像语义向量的共性判别得分小于第二共性判别得分限值，以及同一输电线杆塔绝缘子训练示例的所述最少两个最后待处理输电走廊通道区间的绝缘子点云图像语义向量间的共性判别得分不小于第三共性判别得分限值时，得到完成调试的绝缘子实例分割网络。

27、在第一方面的一些可选实施例中，所述方法还包括：

28、获取所述各输电线杆塔绝缘子训练示例各自的候选输电走廊通道区间集；所述由所述第一图像语义挖掘组件根据所述待处理真彩点云扫描图像集提取各待处理输电走廊通道区间的绝缘子点云图像语义向量，包括：

29、由所述第一图像语义挖掘组件以所述待处理真彩点云扫描图像集及所述候选输电走廊通道区间集作为强化要素对所述待处理真彩点云扫描图像集进行语义增强，得到所述各待处理输电走廊通道区间的绝缘子点云图像语义向量。

30、在第一方面的一些可选实施例中，所述针对每一输电线杆塔绝缘子训练示例的真彩点云扫描图像集训练示例，将真彩点云扫描图像集训练示例拆解成待处理真彩点云扫描图像集以及重构真彩点云扫描图像集，包括：

31、针对每一输电线杆塔绝缘子训练示例的真彩点云扫描图像集训练示例，将所述真彩点云扫描图像集训练示例拆解成待处理真彩点云扫描图像集以及过渡的重构真彩点云扫描图像集；

32、根据所述过渡的重构真彩点云扫描图像集中对应输电线杆塔绝缘子训练的滑动滤波窗口的真彩点云扫描图像，确定所述重构真彩点云扫描图像集。

33、第二方面，本技术实施例提供一种深度学习图像处理系统，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行第一方面所述的方法。

34、第三方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现第一方面所述的方法。

35、在本技术实施例中，无论是单串还是复杂的双串绝缘子，都可以通过调试完成的绝缘子实例分割网络进行快速、准确的识别和分类，大大提升了输电线路检测和维护工作的效率，也提高了电力系统运行的安全性。

36、进一步地，能够实现绝缘子实例的高效、准确的分割和识别，对于输电线杆塔的检测和维护工作具有极大的帮助。

37、首先，通过获取各输电线杆塔绝缘子的真彩点云扫描图像集训练示例，可以得到丰富的绝缘子数据。这些数据不仅包括了颜色信息，还包括了三维结构信息，使得能够从多个角度、多个维度理解和认知绝缘子。

38、其次，通过将真彩点云扫描图像集训练示例拆解成待处理真彩点云扫描图像集以及重构真彩点云扫描图像集，并利用绝缘子实例分割网络的图像语义挖掘组件提取语义向量，可以将复杂的绝缘子形态和特征转化为简洁、明了的数学表示，进一步方便了后续的计算和分析。

39、接着，通过比较每一输电线杆塔绝缘子训练示例对应的待处理和重构区间的绝缘子点云图像语义向量的共性判别得分，可以有效地调试绝缘子实例分割网络的图像语义挖掘组件。这一步骤可以确保模型能够准确地识别和分割出同一实例的绝缘子，同时又能区分出不同实例的绝缘子。

40、最后，当共性判别得分满足预设条件时，就可以得到完成调试的绝缘子实例分割网络。这意味着已经训练出了一个能够高效、准确进行绝缘子实例分割的模型，这对于后续的输电线杆塔检测和维护工作将起到关键的作用。

41、总而言之，通过充分利用真彩点云扫描图像数据，结合先进的深度学习方法，成功地实现了绝缘子实例的自动化分割和识别，对于提高输电线杆塔的检测和维护效率，保障电力系统的安全稳定运行具有重要价值。