[发明专利]基于深度学习用于配电类设施开关检测识别算法

权利要求书

1.基于深度学习用于配电类设施开关检测识别算法，其特征在于，该算法包括以下步骤：

S1、收集待识别旋钮开关的照片，并对照片中的旋钮开关的位置进行标注；

S2、采用预设方法搭建深度学习神经网络，并对已标注的照片进行特征提取，保存训练的模型；

S3、利用训练好的深度学习神经网络模型对需要识别的图片进行识别，检测出旋钮开关及其旋转中心和指向点的位置。

2.根据权利要求1所述的基于深度学习用于配电类设施开关检测识别算法，其特征在于，所述S1中的标注内容包括旋钮开关的位置对应关系和旋钮开关关键点的位置对应关系，且标注结果保存为xml文件，每个xml文件与照片一一对应；

其中，所述旋钮开关的位置x1、y1、x2、y2分别对应旋钮开关左上角的横纵坐标及旋钮开关右下角的横纵坐标；

所述旋钮开关关键点的位置centerx、centery、directx、directy分别对应旋钮开关的旋转中心的横纵坐标以及旋钮开关指向端的开关指向标志端点横纵坐标。

3.根据权利要求1所述的基于深度学习用于配电类设施开关检测识别算法，其特征在于，所述S2中采用预设方法搭建深度学习神经网络，并对已标注的照片进行特征提取，保存训练的模型包括以下步骤：

S201、搭建深度学习神经网络，并对已标注的照片进行特征提取；

S202、基于旋钮开关分类损失、旋钮开关框回归损失及旋钮开关关键点回归损失构建损失函数；

S203、使用标注好的数据对搭建的网络进行训练，采用所述损失函数对搭建好的网络参数进行反向推导，保存训练的模型。

4.根据权利要求3所述的基于深度学习用于配电类设施开关检测识别算法，其特征在于，所述S201中深度学习神经网络的搭建包括Backbone、Neck及Head三个部分。

5.根据权利要求4所述的基于深度学习用于配电类设施开关检测识别算法，其特征在于，所述Backbone部分采用CSPNet实现跨阶段部分连接，并通过CSPNet实现在不同图像细粒度上聚合形成图像特征，同时采用Swish激活函数训练构建的深度学习神经网络，其中，Swish激活函数的函数表达式为f(x)＝x*sigmoid(x)。

6.根据权利要求4所述的基于深度学习用于配电类设施开关检测识别算法，其特征在于，所述Neck部分采用BiFPN用于生成图像金字塔，同时用于混合并组合图像特征；

其中，所述BiFPN接受来自主干网络的level3-7的特征{P3，P4，P5，P6，P7}，并重复应用自上而下和自下而上的双向特征融合，具体公式如下：

Pout7＝Conv(Pin7)；

Pout6＝Conv[Pin6+Resize(Pout7)]；

...

Pout3＝Conv[Pin3+Resize(Pout4)]；

式中，Conv为卷积操作，Resize为特征图上采样或下采样操作，用于保证不同level的特征图具有相同的分辨率。

7.根据权利要求4所述的基于深度学习用于配电类设施开关检测识别算法，其特征在于，所述Head部分输出3个stage，下采样率分别为8、16、32，分别对应小、中、大的旋钮开关，输出通道中的数值分别对应旋钮开关的置信度、位置坐标值，同时添加关键点的分枝用于旋钮开关中心点及指向点的检测，对应输出为旋钮开关旋转中心点做标及旋钮开关指向端指向标志端点坐标；

其中，在stride32上一个feature map对应原图的32*32的感受野，用来检测大的旋钮开关区域；

在stride16上一个feature map对应原图的16*16的感受野，用来检测中等大小的旋钮开关；

在stride8上一个feature map对应原图的8*8的感受野，用来检测小的旋钮开关。