输电线路绝缘破损检测方法、模型训练方法、装置和设备与流程

1.本技术涉及输电线路绝缘破损检测技术领域，特别是涉及一种输电线路绝缘破损检测方法、模型训练方法、装置、计算机设备和存储介质。


背景技术：

2.输电线路是电力供应的关键环节，如果输电线路存在安全隐患或故障，将直接影响用户的用电质量和用电安全。输电线路长期暴露在自然环境中，受到风、雨、雷电等各种自然因素的影响，易出现腐蚀、老化、裂纹等损伤，从而导致绝缘破损。定期巡检可以及时发现这些问题并进行及时的维修，延长输电线路的使用寿命。
3.在线路绝缘缺陷检测中，可见光图像和红外图像各有优劣。单一使用可见光或者红外图像进行输电线路的绝缘缺陷检测具有较大的场景限制。在可见光图像中，输电线路的定位效率较高，但仅通过纹理判断是否出现破损难度较大，稳定度较差。红外图像虽然可以通过输电线路的辐射强度判断是否存在绝缘外表的破损，但红外图像纹理较差，无法直接利用其进行精准的线路定位。因此，需要提出一种能够自动化完成线路的定位和输电线路绝缘破损的检测的方法。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够自动化完成线路定位和输电线路绝缘破损检测的输电线路绝缘破损检测方法、模型训练方法、装置、计算机设备和存储介质。
5.第一方面，本技术提供了一种输电线路绝缘破损检测模型的训练方法。该方法包括：
6.获取输电线路的可见光图像和红外图像；
7.对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像；
8.将配准可见光图像和配准红外图像进行融合，获得可见红外融合图像；
9.将可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型。
10.在一个实施例中，对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像包括：
11.提取可见光图像和红外图像的特征点；
12.使用特征描述子将可见光图像和红外图像中的特征点进行匹配；
13.根据特征点匹配的结果对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像。
14.在一个实施例中，将可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型包括：
15.将可见红外融合图像输入编码器，获取可见红外融合图像的特征信息；
16.将特征信息输入解码器，获取可见红外融合图像的分割结果；
17.使用交叉熵损失函数基于分割结果获取分割结果与真实标签之间的差异值；
18.根据差异值更新图像分割模型的参数，生成输电线路绝缘破损检测模型。
19.在一个实施例中，将可见红外融合图像输入编码器，获取可见红外融合图像的特征信息还包括：
20.每个编码器之间通过指定模块传递特征信息。
21.在一个实施例中，将特征信息输入解码器，获取可见红外融合图像的分割结果还包括：
22.通过跳跃连接模块在编码器和解码器之间传递特征信息。
23.第二方面，本技术还提供了一种输电线路绝缘破损检测方法，输电线路绝缘破损检测方法使用如第一方面提供的输电线路绝缘破损检测模型。该方法包括：
24.获取实时图像集；
25.调用输电线路绝缘破损检测模型，将实时图像集输入输电线路绝缘破损检测模型，获取绝缘破损的位置信息。
26.第三方面，本技术还提供了一种输电线路绝缘破损检测模型的训练装置。
27.该装置包括：
28.图像获取模块，用于获取输电线路的可见光图像和红外图像；
29.图像配准模块，用于对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像；
30.图像融合模块，用于将配准可见光图像和配准红外图像进行融合，获得可见红外融合图像；
31.模型生成模块，用于将可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型。
32.第四方面，本技术提供了一种输电线路绝缘破损检测装置。该装置包括：
33.实时图像获取模块，用于获取实时图像集；
34.破损信息获取模块，用于调用输电线路绝缘破损检测模型，将实时图像集输入输电线路绝缘破损检测模型，获取绝缘破损的位置信息。
35.第五方面，本技术还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现上述的输电线路绝缘破损检测模型的训练方法的步骤；或者，实现上述的输电线路绝缘破损检测方法的步骤。
36.第六方面，本技术还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的输电线路绝缘破损检测模型的训练方法的步骤；或者，实现上述的输电线路绝缘破损检测方法的步骤。
37.上述输电线路绝缘破损检测方法、模型训练方法、装置、计算机设备和存储介质，通过获取输电线路的可见光图像和红外图像，对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像，将配准可见光图像和配准红外图像进行融合，获得可见红外融合图像，将可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型。将可见光图像和红外图像的优势充分利用和结合，再通过获取实时图像集，调用输电线路绝缘破损检测模型，将实时图像集输入输电线路绝缘破损检测模型，获取绝缘破损的位置信息。通过输电线路绝缘破损检测模型完成对温度异常的输电线路进行分割，从而实现绝缘
破损的自动定位和检测，有助于提高输电线路的安全性和可靠性。
附图说明
38.图1为一个实施例中输电线路绝缘破损检测模型的训练方法的流程示意图；
39.图2为一个实施例中输电线路绝缘破损检测模型的训练方法的模块示意图；
40.图3为另一个实施例中输电线路绝缘破损检测方法的流程示意图；
41.图4为一个实施例中输电线路绝缘破损检测模型的训练装置的装置示意图；
42.图5为一个实施例中计算机设备的内部结构图。
具体实施方式
43.输电线路是电力供应的关键环节，如果输电线路存在安全隐患或故障，将直接影响用户的用电质量和用电安全。输电线路巡检是指对电力输送过程中的输电线路进行定期或不定期的巡视、检测、监测和维护，从而确保输电线路的安全可靠运行。通过定期巡检，可以及时发现和排除各种线路故障隐患，保障供电的安全可靠。输电线路长期暴露在自然环境中，受到风、雨、雷电等各种自然因素的影响，易出现腐蚀、老化、裂纹等损伤，从而导致绝缘破损。定期巡检可以及时发现这些问题并进行及时的维修，延长输电线路的使用寿命。与此同时，线路巡检提高电网可靠性，定期巡检可以及时发现并处理线路故障，减少故障发生的概率，提高电网的可靠性。及时的输电线路缺陷检测可以及时发现并处理线路故障，减少因线路故障引发的电力事故和损失。尤其是在自然灾害和恶劣气候的情况下，定期巡检可以降低线路被破坏或损坏的风险。
44.在线路绝缘缺陷检测中，可见光图像和红外图像各有优劣。可见光图像是通过可见光频段获取的图像，其主要优点是分辨率高，能够清晰地显示目标物体的形态、颜色和表面细节。可见光相机成本低、易于操作，因此广泛应用于工业和生活领域。在线路绝缘缺陷检测中，可见光图像可以用于检测缺陷的大小、形态、颜色等信息，同时还可以检测污垢、损伤等。然而，可见光图像在夜间或低光环境下表现较差，因为可见光无法穿透烟雾、雾霾、灰尘等。此外，可见光波长范围较窄，其能够探测的缺陷类型有限。
45.相比之下，红外图像是通过红外辐射获取的图像，其主要优点是具有热像功能，能够探测物体表面的温度差异。因此，红外图像可以用于检测绝缘材料的热损伤、腐蚀、老化等情况，这些情况在可见光图像中很难被察觉。此外，红外图像具有较强的穿透力，能够穿透雾霾、烟尘等，因此在低光环境下也能表现较好。但是，红外图像的分辨率相对较低，不能像可见光图像那样清晰地显示目标物体的形态和表面细节。此外，红外相机成本较高，需要专业的技术人员进行操作和维护，因此使用比较局限。因此，在线路绝缘缺陷检测中，可见光图像和红外图像可以互相补充。可见光图像可以用于检测缺陷的大小、形态、颜色等信息，红外图像可以用于检测热损伤、老化等情况。同时，可以根据实际需要选择使用哪种图像。
46.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
47.在一个实施例中，如图1所示，提供了一种输电线路绝缘破损检测模型的训练方
法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
48.步骤102，获取输电线路的可见光图像和红外图像。
49.具体地，获取输电线路的可见光图像和红外图像为输电线路绝缘破损检测模型准备数据。
50.其中，使用无人机或其他设备采集输电线路的可见光图像和红外图像。可选地，通常采用数字相机或红外热成像仪等设备。进一步地，采集的可见光图像和红外图像需要进行初步处理，例如去除噪声、调整图像对比度和亮度等。为输电线路绝缘破损检测模型准备的数据应该包括输电线路的图像和相应的标签图像，其中标签图像应该包括缺陷区域的标记。
51.步骤104，对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像。
52.其中，对可见光图像和红外图像进行预处理，包括去除噪声、平滑、增强和对比度调整等，再对预处理后的可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像。
53.步骤106，将配准可见光图像和配准红外图像进行融合，获得可见红外融合图像。
54.其中，将配准可见光图像和配准红外图像进行融合，通常采用加权平均或变换域融合等技术，获得可见红外融合图像。
55.步骤108，将可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型。
56.具体地，图像分割模型包括transunet，是一种基于transformer的图像分割模型。将可见红外融合图像输入transunet进行训练，生成输电线路绝缘破损检测模型，再对输电线路绝缘破损检测模型进行评估，训练和评估完成后，即可将模型应用于实际的输电线路绝缘破损缺陷分割任务中。
57.具体地，模型训练完成后，需要对模型进行评估。常用的评估指标包括精确度、召回率、f1分数和iou(intersection over union，交并比)分数，可以使用测试数据集进行模型评估。
58.上述输电线路绝缘破损检测模型的训练方法中，获取输电线路的可见光图像和红外图像，对可见光图像和红外图像进行配准后，获得配准可见光图像和配准红外图像，将配准可见光图像和配准红外图像进行融合，获得一幅综合信息更丰富的图像，即为可见红外融合图像。其中综合信息囊括了可见光图像和红外图像包含的信息，包括目标的形态、颜色、表面细节和温度差异等。将可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型。通过图像配准、融合方法将红外图像和可见光图像进行信息融合，可以获得一个同时反映场景纹理和热量辐射的空间分布图像。将可见光图像与红外图像的优势相结合，并开创性地将可见光图像与红外图像结合后用于生成输电线路绝缘破损检测模型，从而实现对输电线路绝缘破损的自动定位和检测。
59.在一个实施例中，对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像包括：
60.提取可见光图像和红外图像的特征点；使用特征描述子将可见光图像和红外图像中的特征点进行匹配；根据特征点匹配的结果对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像。
61.具体地，在对可见光图像和红外图像进行预处理后，提取可见光图像和红外图像中的特征点，例如角点、边缘和斑点等。使用特征描述子将红外和可见光图像中的特征点进行匹配，例如sift(scale-invariant feature transform，尺度不变特征变换)和surf(speeded up robust features，加速稳健特征)等算法。
62.进一步地，根据特征匹配结果，对红外图像和可见光图像进行配准，使红外图像和可见光图像在几何变换方面对齐，获得配准可见光图像和配准红外图像。配准方法可以使用基于特征点的方法或基于图像的方法，例如icp(iterative closest point，迭代最近点)和thin-plate-spline(薄板样条)等算法。
63.进一步地，将配准可见光图像和配准红外图像进行融合，获取可见红外融合图像。常用的融合方法包括基于像素级别的融合和基于特征级别的融合。其中，像素级别的融合方法包括简单平均、加权平均和拉普拉斯金字塔等，而特征级别的融合方法则可以使用多分辨率分解或小波变换等方法。对于配准融合后的图像进行数据增强、数据归一化和数据裁剪。其中，可以通过旋转、翻转和缩放等方式进行数据增强，从而增加数据样本的多样性。数据归一化可以将图像像素值缩放到0-1范围内，以便于网络学习。数据裁剪可以将图像和标签分别裁剪为相同的大小，以便于网络训练。
64.本实施例中，通过提取可见光图像和红外图像的特征点，使用特征描述子将可见光图像和红外图像中的特征点进行匹配，根据特征点匹配的结果对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像。由于可见光图像和红外图像的成像方式和参数不同，因此需要将两幅图像进行配准，使得它们的像素在物理意义上对应。进一步地，为将配准可见光图像和配准红外图像进行融合获取可见红外融合图像做准备。
65.在一个实施例中，将可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型包括：
66.将可见红外融合图像输入编码器，获取可见红外融合图像的特征信息；将特征信息输入解码器，获取可见红外融合图像的分割结果；使用交叉熵损失函数基于分割结果获取分割结果与真实标签之间的差异值；根据差异值更新图像分割模型的参数，生成输电线路绝缘破损检测模型。
67.其中，图像分割模型选用transunet，transunet的整体结构由两部分组成，即编码器和解码器。编码器采用transformer的结构，用于提取可见红外融合图像的特征信息。解码器则是一个u-net结构，用于将编码器提取的可见红外融合图像的特征信息转换为分割结果。
68.具体地，编码器由一系列的transformer encoder(自注意力机制编码器)组成，每个encoder包括多头自注意力机制(multi-head self-attention)和前馈网络(feedforward network)。解码器采用u-net结构，由一系列的上采样模块和卷积模块组成。
69.进一步地，transunet使用的损失函数是交叉熵损失函数，交叉熵损失函数用于衡量模型生成的分割结果与真实标签之间的差异。具体地，给定一张输入图像i，模型生成的分割结果为真实标签为y
ij
，则交叉熵损失函数可以如公式(1)定义：
[0070][0071]
其中，n表示像素数，c表示类别数。
[0072]
进一步地，基于交叉熵损失函数获取的分割结果与真实标签之间的差异值更新图像分割模型的参数，再将更新后的参数导入图像分割模型，生成输电线路绝缘破损检测模型。
[0073]
本实施例中，transunet作为一种基于transformer的图像分割模型，可以同时处理不同尺度的特征信息，并在多个数据集上取得了优秀的表现。将可见红外融合图像输入编码器，获取可见红外融合图像的特征信息。其中编码器由一系列自注意力机制编码器组成，可以有效地提取输入图像的特征。将特征信息输入解码器，获取可见红外融合图像的分割结果。其中，编码器由一系列的上采样模块和卷积模块组成，可以将编码器提取的特征信息还原为原始图像的大小，并生成分割结果。使用交叉熵损失函数基于分割结果获取分割结果与真实标签之间的差异值，该损失函数在训练过程中可以帮助模型学习到更加准确的分割结果。根据差异值更新图像分割模型的参数，生成输电线路绝缘破损检测模型，该模型是实现绝缘破损的自动定位和检测的关键。
[0074]
在一个实施例中，将可见红外融合图像输入编码器，获取可见红外融合图像的特征信息还包括：
[0075]
每个编码器之间通过指定模块传递特征信息。
[0076]
其中，指定模块即为transformer inter-block。
[0077]
具体地，编码器由一系列的transformer encoder(自注意力机制编码器)组成，在每个encoder之间，transunet还加入了一个新的模块——transformer inter-block，用于在多个尺度之间传递特征信息。其中，多个尺度是指不同尺度的信号采样，在不同尺度下可以观察到不同的特征。
[0078]
本实施例中，每个编码器之间通过指定模块传递特征信息，从而保证模型能够处理不同尺度的特征信息。
[0079]
在一个实施例中，将特征信息输入解码器，获取可见红外融合图像的分割结果还包括：
[0080]
通过跳跃连接模块在编码器和解码器之间传递特征信息。
[0081]
具体地，在解码器中还加入了一个新的模块——skip connection transformer block，即为跳跃连接模块，用于在编码器和解码器之间传递特征信息。
[0082]
本实施例中，通过跳跃连接模块在编码器和解码器之间传递特征信息，从而更好地保留细节信息。
[0083]
在一个实施例中，提供一种输电线路绝缘破损检测方法，输电线路绝缘破损检测方法使用输电线路绝缘破损检测模型，该方法包括：
[0084]
获取实时图像集；调用输电线路绝缘破损检测模型，将实时图像集输入输电线路绝缘破损检测模型，获取绝缘破损的位置信息。
[0085]
具体地，在输电线路绝缘破损检测模型的训练和评估完成后，即可将模型应用于实际的输电线路绝缘破损缺陷分割任务中。
[0086]
本实施例中，通过获取实时图像集，调用输电线路绝缘破损检测模型，将实时图像集输入输电线路绝缘破损检测模型，获取绝缘破损的位置信息，能够对输电线路图像进行
分割，有效地检测和定位绝缘破损缺陷，有助于提高输电线路的安全性和可靠性。
[0087]
在一个实施例中，如图2所示，提供一种输电线路绝缘破损检测模型的训练方法的模块示意图。首先使用无人机或其他设备采集输电线路的可见光图像和红外图像，对可见光图像和红外图像中包含的绝缘破损线路进行掩膜mask标注。再对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像。对配准可见光图像和配准红外图像进行融合，获得可见红外融合图像。基于可见红外融合图像对transunet模型进行训练，生成输电线路绝缘破损检测模型。对输电线路绝缘破损检测模型就是否满足精度要求进行评估，如果不满足精度要求，则继续对transunet模型进行训练；如果满足精度要求，则投入输电线路巡检中应用。
[0088]
在另一个实施例中，如图3所示，提供一种输电线路绝缘破损检测方法。
[0089]
步骤302，获取输电线路的可见光图像和红外图像。
[0090]
步骤304，提取可见光图像和红外图像的特征点。
[0091]
步骤306，使用特征描述子将可见光图像和红外图像中的特征点进行匹配。
[0092]
步骤308，根据特征点匹配的结果对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像。
[0093]
步骤310，将可见红外融合图像输入编码器，获取可见红外融合图像的特征信息。
[0094]
步骤312，每个编码器之间通过指定模块传递特征信息。
[0095]
步骤314，将特征信息输入解码器，获取可见红外融合图像的分割结果。
[0096]
步骤316，通过跳跃连接模块在编码器和解码器之间传递特征信息。
[0097]
步骤318，使用交叉熵损失函数基于分割结果获取分割结果与真实标签之间的差异值。
[0098]
步骤320，根据差异值更新图像分割模型的参数，生成输电线路绝缘破损检测模型。
[0099]
步骤322，获取实时图像集。
[0100]
步骤324，调用输电线路绝缘破损检测模型，将实时图像集输入输电线路绝缘破损检测模型，获取绝缘破损的位置信息。
[0101]
本实施例中，将红外图像和可见光图像进行配准和融合，获得的可见红外融合图像不仅反映了输电线路和背景之间的纹理差异，同时还能够反映输电线路绝缘破损位置的热量增加。再基于可见红外融合图像训练transunet模型，生成输电线路绝缘破损检测模型。该模型能够从复杂的背景中定位输电线路并同时完成缺陷部分的分割，从而帮助巡检人员高效定位。
[0102]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0103]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的输电线
路绝缘破损检测模型的训练方法的输电线路绝缘破损检测模型的训练装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个输电线路绝缘破损检测模型的训练装置实施例中的具体限定可以参见上文中对于输电线路绝缘破损检测模型的训练方法的限定，在此不再赘述。
[0104]
在一个实施例中，如图4所示，提供了一种输电线路绝缘破损检测模型的训练装置，包括：图像获取模块402、图像配准模块404、图像融合模块406和模型生成模块408
[0105]
图像获取模块402，用于获取输电线路的可见光图像和红外图像。
[0106]
图像配准模块404，用于对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像。
[0107]
图像融合模块406，用于将配准可见光图像和配准红外图像进行融合，获得可见红外融合图像。
[0108]
模型生成模块408，用于将可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型。
[0109]
在一个实施例中，该装置还包括：
[0110]
特征点提取模块，用于提取可见光图像和红外图像的特征点。
[0111]
特征点匹配模块，用于使用特征描述子将可见光图像和红外图像中的特征点进行匹配。
[0112]
配准图像获取模块，用于根据特征点匹配的结果对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像。
[0113]
在一个实施例中，该装置还包括：
[0114]
编码器输入模块，用于将可见红外融合图像输入编码器，获取可见红外融合图像的特征信息。
[0115]
解码器输入模块，用于将特征信息输入解码器，获取可见红外融合图像的分割结果。
[0116]
差异值获取模块，用于使用交叉熵损失函数基于分割结果获取分割结果与真实标签之间的差异值。
[0117]
参数更新模块，用于根据差异值更新图像分割模型的参数，生成输电线路绝缘破损检测模型。
[0118]
在一个实施例中，该装置还包括：
[0119]
特征信息传递模块，用于每个编码器之间通过指定模块传递特征信息；还用于通过跳跃连接模块在编码器和解码器之间传递特征信息。
[0120]
上述输电线路绝缘破损检测模型的训练装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0121]
在一个实施例中，提供了一种输电线路绝缘破损检测装置，包括：实时图像获取模块和破损信息获取模块，其中：
[0122]
实时图像获取模块，用于获取实时图像集；
[0123]
破损信息获取模块，用于调用输电线路绝缘破损检测模型，将实时图像集输入输
电线路绝缘破损检测模型，获取绝缘破损的位置信息。
[0124]
上述输电线路绝缘破损检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0125]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种输电线路绝缘破损检测模型的训练方法和电线路绝缘破损检测方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0126]
本领域技术人员可以理解，图5示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0127]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0128]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0129]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
[0130]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，
ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0131]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0132]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种输电线路绝缘破损检测模型的训练方法，其特征在于，所述方法包括：获取输电线路的可见光图像和红外图像；对所述可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像；将所述配准可见光图像和配准红外图像进行融合，获得可见红外融合图像；将所述可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型。2.根据权利要求1所述的方法，其特征在于，所述对所述可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像包括：提取可见光图像和红外图像的特征点；使用特征描述子将所述可见光图像和红外图像中的特征点进行匹配；根据所述特征点匹配的结果对所述可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像。3.根据权利要求1所述的方法，其特征在于，所述将所述可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型包括：将所述可见红外融合图像输入编码器，获取可见红外融合图像的特征信息；将所述特征信息输入解码器，获取可见红外融合图像的分割结果；使用交叉熵损失函数基于所述分割结果获取分割结果与真实标签之间的差异值；根据所述差异值更新图像分割模型的参数，生成输电线路绝缘破损检测模型。4.根据权利要求3所述的方法，其特征在于，所述将所述可见红外融合图像输入编码器，获取可见红外融合图像的特征信息还包括：每个编码器之间通过指定模块传递特征信息。5.根据权利要求3所述的方法，其特征在于，所述将所述特征信息输入解码器，获取可见红外融合图像的分割结果还包括：通过跳跃连接模块在所述编码器和解码器之间传递特征信息。6.一种输电线路绝缘破损检测方法，其特征在于，输电线路绝缘破损检测方法使用如权利要求1所述的输电线路绝缘破损检测模型，所述方法包括：获取实时图像集；调用输电线路绝缘破损检测模型，将所述实时图像集输入所述输电线路绝缘破损检测模型，获取绝缘破损的位置信息。7.一种输电线路绝缘破损检测模型的训练装置，其特征在于，所述装置包括：图像获取模块，用于获取输电线路的可见光图像和红外图像；图像配准模块，用于对所述可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像；图像融合模块，用于将所述配准可见光图像和配准红外图像进行融合，获得可见红外融合图像；模型生成模块，用于将所述可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型。8.一种输电线路绝缘破损检测装置，其特征在于，所述装置包括：实时图像获取模块，用于获取实时图像集；破损信息获取模块，用于调用输电线路绝缘破损检测模型，将所述实时图像集输入所
述输电线路绝缘破损检测模型，获取绝缘破损的位置信息。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种输电线路绝缘破损检测方法、模型训练方法、装置、计算机设备和存储介质。所述方法包括：获取输电线路的可见光图像和红外图像；对可见光图像和红外图像进行配准，获得配准可见光图像和配准红外图像；将配准可见光图像和配准红外图像进行融合，获得可见红外融合图像；将可见红外融合图像输入图像分割模型，生成输电线路绝缘破损检测模型。采用本方法能够自动化完成线路的定位和绝缘破损的检测。损的检测。损的检测。


技术研发人员：高圣溥 饶竹一
受保护的技术使用者：深圳供电局有限公司
技术研发日：2023.04.20
技术公布日：2023/9/7