(19)中华 人民共和国 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 202111633161.0 (22)申请日 2021.12.28 (71)申请人 广东电网有限责任公司 地址 510600 广东省广州市越秀区东 风东 路757号 申请人 广东电网有限责任公司肇庆供电局 (72)发明人 李晋　钟志驹　黄建柏　谭世军　 冯焱冲　莫建挥　莫定佳　江沛琼　 王伟光　林斌　宾家伟　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 彭祯奇 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/44(2017.01)G06T 7/45(2017.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (54)发明名称 基于局部旋转特征学习的绝缘子缺陷检测 方法及系统 (57)摘要 本发明涉及配电网故障技术领域， 公开了一 种基于局部旋转特征学习的绝缘子缺陷检测方 法及系统， 其方法通过对待检测图像 分割为若干 个尺度一致的子图像块， 利用局部方向模式算法 提取每个子图像块的局部方向模式直方图作为 图像特征， 并通过SVM支持向量机对图像特征进 行分类， 从而得到绝缘子区域和非绝缘子区域， 并对绝缘子区域内的图像纹理特征进行提取， 基 于深度学习模 型对图像纹理特征进行缺陷检测， 从而输出缺陷检测结果， 以提高绝缘子缺陷检测 的准确性。 权利要求书3页 说明书7页 附图2页 CN 114418964 A 2022.04.29 CN 114418964 A 1.基于局部 旋转特征学习的绝 缘子缺陷检测方法， 其特 征在于， 包括以下步骤： 获取待检测图像， 所述待检测图像中含有绝 缘子； 对所述待检测图像分割为若干个尺度一 致的子图像块； 利用局部方向模式算法提取每 个所述子图像块的局部方向模式直方图作为图像特 征； 将所述图像特征作为输入量输入至SVM支持向量机进行特征分类， 从而得到绝缘子区 域和非绝 缘子区域； 提取所述绝缘子区域内的图像纹理特征， 基于预先训练好的深度 学习模型对所述图像 纹理特征进行缺陷检测， 从而输出缺陷检测结果。 2.根据权利要求1所述的基于局部旋转特征学习的绝缘子缺陷检测方法， 其特征在于， 利用局部方向模式算法提取 所述待检测图像的图像特 征的步骤具体包括： 将所述待检测图像的任一像素点作为中心点的3 ×3领域内8个像素点的灰度值与 Kirsch掩码进行 卷积计算， 得到八个不同方向上的边 缘梯度值； 将所述八个不同方向上的边缘梯度值由大至小进行排列， 将排列前k个的边缘梯度值 的边缘响应值设为 1， 剩余的8 ‑k个边缘梯度值的边缘响应值设为0， 由下式1和2得到局部方 向模式编码， 记为 LDPk， 式1～2中， i表示方向， mi表示第i个方向的边缘梯度值， mk表示第k个方向的边缘梯度 值， bi表示边缘响应值； 利用下式3对所述局部方向模式编码LDPk进行循环移位操作， 得到旋转不变局部方向模 式编码， 记为RI LDP， RILDP＝ROR(LD Pk,d‑1)                 式3 式3中， d表示 最大边缘响应值的位置， ROR为 位模式的圆形移位； 根据旋转不变局部方向模式编码RILDP通过下式4～5生成用于描述M ×N图像的局部方 向模式直方图， 记为H， 式4～5， (r,c)表示图像中第r行第c列个像素， τ为随机的局部方向模式编码， RILDP(r, c)为图像中第r行第c列个 像素的旋转 不变局部方向模式编码， a＝RI LDP(r,c)。 3.根据权利要求1所述的基于局部旋转特征学习的绝缘子缺陷检测方法， 其特征在于， 所述SVM支持向量机使用高斯核函数作为非线性映射 函数。 4.根据权利要求1所述的基于局部旋转特征学习的绝缘子缺陷检测方法， 其特征在于， 提取所述绝缘子区域内的图像纹理特征， 基于预先训练好的深度学习模型对所述图像纹理 特征进行缺陷检测， 从而输出缺陷检测结果的步骤之前包括：权　利　要　求　书 1/3 页 2 CN 114418964 A 2对所述绝缘子区域内的图像进行 滤波处理。 5.根据权利要求1所述的基于局部旋转特征学习的绝缘子缺陷检测方法， 其特征在于， 提取所述绝缘子区域内的图像纹理特征， 基于预先训练好的深度学习模型对所述图像纹理 特征进行缺陷检测， 从而输出缺陷检测结果的步骤具体包括： 利用灰度共生矩阵在所述 绝缘子区域内提取图像纹 理特征； 将所述图像纹理特征输入至预先训练好的深度学习模型中， 输出缺陷类别标签， 所述 预先训练好的深度学习模型是基于深度学习网络， 以历史纹理特征数据作为输入量， 以缺 陷类别标签作为输出量进行训练得到 。 6.基于局部 旋转特征学习的绝 缘子缺陷检测系统， 其特 征在于， 包括： 图像获取模块， 用于获取待检测图像， 所述待检测图像中含有绝 缘子； 分割模块， 用于对所述待检测图像分割为若干个尺度一 致的子图像块； 特征提取模块， 用于利用局部方向模式算法提取每个所述子图像块的局部方向模式直 方图作为图像特 征； 分类模块， 用于将所述图像特征作为输入量输入至SVM支持向量机进行特征分类， 从而 得到绝缘子区域和非绝 缘子区域； 缺陷检测模块， 用于提取所述绝缘子区域内的图像纹理特征， 基于预先训练好的深度 学习模型对所述图像纹 理特征进行缺陷检测， 从而输出缺陷检测结果。 7.根据权利要求6所述的基于局部旋转特征学习的绝缘子缺陷检测系统， 其特征在于， 所述特征提取模块具体包括： 卷积计算模块， 用于将所述待检测图像的任一像素点作为中心点的3 ×3领域内8个像 素点的灰度值与Kirsc h掩码进行 卷积计算， 得到八个不同方向上的边 缘梯度值； 第一编码模块， 用于将所述八个不同方向上的边缘梯度值由大至小进行排列， 将排列 前k个的边缘梯度值的边缘响应值设为1， 剩 余的8‑k个边缘梯度值的边缘响应值设为0， 由 下式1和2得到局部方向模式编码， 记为 LDPk， 式1～2中， i表示方向， mi表示第i个方向的边缘梯度值， mk表示第k个方向的边缘梯度 值， bi表示边缘响应值； 第二编码模块， 用于利用下式3对所述局部方向模式编码LDPk进行循环移位操作， 得到 旋转不变局部方向模式编码， 记为RI LDP， RILDP＝ROR(LD Pk,d‑1)                 式3 式3中， d表示 最大边缘响应值的位置， ROR为 位模式的圆形移位； 直方图计算模块， 用于根据旋转不变局部方向模式编码RILDP通过下式4～5生成用于 描述M×N图像的局部方向模式直方图， 记为H， 权　利　要　求　书 2/3 页 3 CN 114418964 A 3