[发明专利]基于深度学习算法的防震锤检测方法

权利要求书

1.基于深度学习算法的防震锤检测方法，按照以下步骤依序进行：

步骤1、人为控制巡线机器人，采集含有防震锤的视频数据，并逐帧取图生成数据集；同时通过网络搜索相关的图像，加入数据集中；以保证数据集的完整性；

步骤2、对收集到的数据进行预处理操作，将数据扩充生成相似的图像，以达到数据增强的目的；

步骤3、利用图像标注软件labelImg对采集的数据集当中的防震锤进行标注，得到含有目标物的候选框的坐标和标签；

步骤4、将预处理后的数据集标注好并输入到MobileNet V3网络，经过网络处理后提取三种维度的特征图，分别是13×13,26×26，52×52；

步骤5、将MobileNet V3提取到的三种维度的特征图，输入到Yolo V3模块进行训练；循环迭代，优化模型参数；将训练后最优的神经网络模型参数输入巡线机器人中；

步骤6、巡线机器人对输电线路上的防震锤进行检测。

2.根据权利要求1所述的基于深度学习算法的防震锤检测方法，其特征在于：所述步骤2中预处理操作，包括增加噪声、雾化、平移、旋转、扭曲处理。

3.根据权利要求2所述的基于深度学习算法的防震锤检测方法，其特征在于：所述步骤6中的检测步骤是：巡线机器人先收集这个过程中的图片，接着对这些图片进行去雾化操作；然后将处理后的图片，用当前最优的模型进行判断；从而得出检测结果。

4.根据权利要求3所述的基于深度学习算法的防震锤检测方法，其特征在于：所述步骤4的MobileNet V3网络处理，包括：将输入图像尺寸调整为416×416后，依次经过网络中卷积层、池化层、深度卷积多个结构处理，最终分别从该网络的第六个瓶颈层、第十二个瓶颈层中、最后一个卷积层三个分支上输出三种维度的特征图；三种维度的特征图，分别是13×13,26×26，52×52。

5.根据权利要求4所述的基于深度学习算法的防震锤检测方法，其特征在于：步骤6中，巡线机器人还收集在此过程中的数据，留做下次训练模型使用，以提高巡检准确度。