[发明专利]一种基于神经网络的导线开股识别方法及系统

权利要求书

1.一种基于神经网络的导线开股识别的方法及系统，其特征在于，包括以下步骤：

步骤1，获取输电线路图像数据，建立缺陷样本库，生成数据集；

步骤2，使用目标检测算法和卷积神经网络训练检测模型，通过生成数据集对模型进行训练与调整。

2.根据权利要求1所述一种基于神经网络的导线开股识别的方法及系统，其特征在于，步骤1包括：

建立缺陷样本库系统，包括导线开股样本库与样本库交互系统，其中，导线开股图片为无人机航拍、监控视频与操作员现场拍摄图像；

建立数据集，缺陷样本库中的导线开股图片人工标注目标信息，生成符合PASCAL VOC标准的XML标签文件；样本数据库的标签文件包含信息：图片名称，图片路径，图片像素高度，图片像素宽度，图片像素深度，图片包含故障类型，故障目标所在区域的矩形边框坐标(xmin,ymin,xmax,ymax)；转换标签文件与导线开股图片为符合深度学习框架caffe规范的lmdb数据集格式。

3.根据权利要求1所述一种基于神经网络的导线开股识别的方法及系统，其特征在于，步骤2包括：

训练深度学习模型，采用端到端的深度学习目标检测算法SSD，采用卷积对不同的特征图来进行提取特征结果，对于形状为m×n×p的特征图，采用3×3×p的比较小的卷积核得到检测值，对每个单元设置尺度或长宽比不同的先验框，对于每个先验框，都输出一套独立的检测值，对应一个边界框；输出包含各个类别的置信度和边界框的具体位置值(cx,cy,w,h)，损失函数采用位置误差Smooth L1loss与置信度误差softmax loss的加权和；采用轻量级网络MobileNet，基于深度可分离卷积，将标准卷积分解生深度卷积和逐点卷积，设置超参数宽度因子与分辨率因子对模型进行优化；使用数据集对在PASCAL VOC0712数据集上训练的初始模型进行训练，生成导线开股检测模型。