[发明专利]一种基于YOLOv3的输电线路鸟类检测算法

权利要求书

1.一种基于YOLOv3的输电线路鸟类检测算法，其特征在于：该算法主要包括以下步骤：

1）制作数据集，从杆塔固定位置的监控设备采集到的监控视频中，按照位置、季节、时间因素合理抽取单帧图像，将收集到的所有图像组成数据集，用Labellmg工具对收集到的图片进标注并以VOC数据的格式来存储，并对数据集进行分析和调整，并按比例随机划分为训练集和测试集，训练集用来模型训练，测试集用来测试训练后的模型，以保证模型的准确性和稳定性；

2）模型训练，使用划分好的训练集来训练改进的YOLOv3目标检测算法，在LOSS趋于稳定后选出合适的模型进行测试和评估，判断模型是否满足要求，最终选出最优模型；

3）图像采集，从监控视频中提取单帧图像，监控视频来自于输电线路杆塔上安装的监控装置，提取出的图像作为模型的输入进行鸟类识别；

4）鸟类识别并控制驱鸟器的启停，采用改进的YOLOv3目标检测算法对监控装置采集到的单帧图像进行鸟类检测，统计鸟类数目，判断是否达到驱鸟阈值，如果达到驱鸟阈值则启动驱鸟器，否则进行持续监控。

2.根据权利要求1中所述的改进的YOLOv3目标检测算法，其特征在于：所述的步骤1）中，现实场景中负样本个数远远多于正样本，因此含有鸟类的图像较少，为了使模型具有较好的鲁棒性，在制作数据集时加入一些来自网络中且包含鸟类的图像，这样训练后的模型对不同场景下具有较好的适应能力。

3.根据权利要求1中所述的改进的YOLOv3目标检测算法，其特征在于：所述的步骤4）中，由于对数据集和实际情况的充分了解，聚类结果发现鸟类普遍较小和聚集的情况，对YOLO v3检测模型进行改进，从而适应特定的输电线路鸟类检测任务；同时为了提升运算速率保证任务的实时性，模型中仅提取两组多尺度特征对鸟类位置和类别进行预测，从而适应特定的输电线路鸟类检测任务。