[发明专利]一种电缆终端热状态智能诊断方法及系统

权利要求书

1.一种电缆终端热状态智能诊断方法,其特征在于，包括如下步骤：

S1：标注巡检过程中拍摄的电缆终端的红外图像信息，并构建训练样本；

S2：构建Faster RCNN网络，并采用所述训练样本对所述Faster RCNN网络进行训练；

S3：将待检测的电缆终端的目标红外图像信息输入训练好的所述Faster RCNN网络进行识别和定位，得到目标诊断对象的类别和位置；

S4：根据预设的诊断标准对识别和定位处理后的目标诊断对象进行热状态诊断，得到待检测电缆终端的热状态诊断结果。

2.根据权利要求1所述的电缆终端热状态智能诊断方法,其特征在于，步骤S1中，所述标注巡检过程中拍摄的电缆终端的红外图像信息具体包括：

采集电缆终端的红外图像信息，并在所述红外图像信息中诊断对象所在位置处标注标注框，并输入标注框的名称；

其中，所述诊断对象包含于所述标注框内。

3.根据权利要求2所述的电缆终端热状态智能诊断方法,其特征在于，步骤S2中，所述采用所述训练样本对所述Faster RCNN网络进行训练具体包括如下步骤：

S21：初始化所述Faster RCNN网络，将所述训练样本输入所述卷积神经网络CNN，利用卷积神经网络CNN提取所述电缆终端的红外图像信息的一个或多个图像特征，并形成特征图；

S22：利用区域建议网络RPN在所述特征图上自动生成多个包含诊断对象的候选框，根据所述标注框和候选框之间的偏差调整所述候选框的位置和大小，并将调整后的所述候选框映射至所述卷积神经网络CNN的所述特征图上，得到对应的候选特征，并确定诊断对象的位置；

S23：利用感兴趣区域池化层RoI将所述候选特征分成多块区域，并对每块区域进行最大池化处理；

S24：将所述候选特征输入目标检测层，一方面通过分类层计算所述候选特征对应的所述候选框包含诊断对象属于不同类别的概率，以确定诊断对象的类别；另一方面通过回归层再次计算所述候选框的调整参数，以对所述候选框进行二次调整。

4.根据权利要求3所述的电缆终端热状态智能诊断方法,其特征在于，步骤S22中，所述根据所述标注框和候选框之间的偏差调整所述候选框的位置和大小具体包括如下步骤：

S221：根据所述标注框和候选框之间的偏差生成用于调整所述候选框的调整参数信息；

S222：根据所述调整参数信息调整所述候选框的位置和大小；

其中，所述调整参数信息包括平移参数和缩放参数。

5.根据权利要求4所述的电缆终端热状态智能诊断方法,其特征在于，步骤S221中，所述根据所述标注框和候选框之间的偏差生成用于调整所述候选框的调整参数信息具体包括如下步骤：

S2211：所述区域建议网络的分类层利用Softmax分类器计算候选框包含诊断对象的概率，并根据概率高低初步筛选出包含诊断对象的候选框；

S2212：构建所述区域建议网络的损失函数，以损失函数最小为目标，计算所述候选框的调整参数信息；

其中：

式中：i表示第i个候选框；p_i表示分类层计算得到的候选框包含诊断对象的概率；t_i表示回归层得到的预测偏移量，包括平移参数和缩放参数；取值由区域建议网络预测的候选框与标注框之间的交并比IoU(Intersection over Union)确定，具体如式(9)所示；表示实际偏移量，具体如式(11)所示；N_cls、N_reg以及λ均为平衡参数；

其中：

式中：anchor表示区域建议网络生成的候选框；Groundtruth表示标注框；

式中：(A_x,A_y,A_w,A_h)表示调整前的候选框坐标；(G_x,G_y,G_w,G_h)表示标注框坐标。