[发明专利]基于CenterNet网络的绝缘子红外图像检测方法

权利要求书

1.一种基于CenterNet网络的绝缘子红外图像检测方法，其特征是，它包括如下步骤：

步骤1，获取图像，采用红外相机拍摄绝缘子，选取清晰的图像作为绝缘子红外图像数据；

步骤2，数据集，对红外图像数据中的绝缘子进行标注，按照COCO数据集格式将绝缘子红外图像数据整理成数据集；

步骤3，扩充，根据数据集得到的结果，选择利用反转、裁剪、对称、补全的方法来扩充绝缘子红外数据集；

步骤4，分类，将绝缘子红外数据集按比例分为训练集和验证集；

步骤5，训练，以CenterNet模型自有权重作为预训练权重，将训练集导入CenterNet模型中进行训练；

步骤6，检测精度，将训练完成后得到的权重作为CenterNet模型的预训练权重，并对验证集进行测试，得出CenterNet模型的检测精度。

2.根据权利要求1所述的基于CenterNet网络的绝缘子红外图像检测方法，其特征是：在步骤2中，对绝缘子红外图像进行数据标注所采用的软件为ImageLabel，标注后将原始图像文件与含标签信息的标注文件按照COCO数据集格式整理成绝缘子红外图像数据集。

3.根据权利要求1所述的基于CenterNet网络的绝缘子红外图像检测方法，其特征是：在步骤4中，所需训练集与验证集的比例为7：3。

4.根据权利要求1所述的基于CenterNet网络的绝缘子红外图像检测方法，其特征是：在步骤5中，CenterNet模型是拖过预测目标中心点，并给出目标宽度和高度信息的算法；Centernet模型将输入图片尺寸统一为512×512，并在预处理阶段将输入图片的尺寸四倍下采样至128×128；随后CenterNet网络提供多种骨干网络。

5.根据权利要求4所述的基于CenterNet网络的绝缘子红外图像检测方法，其特征是：在步骤5中，骨干网络为CenterNet模型的主体，用于对输入的图片数据进行特征学习并输出特征图，特征图会被分别送进三个模块，用于预测目标的中心点、中心点浮点偏置和宽高信息。

6.根据权利要求4所述的基于CenterNet网络的绝缘子红外图像检测方法，其特征是：在步骤5中，CenterNet网络模型在Pytorch1.2的环境下运行，每个批次训练32个样本，共训练140个批次，其中学习率初始设置为1.25×10^-4，并在第90和第120批次分别降低为前者的0.1倍。

7.根据权利要求1所述的基于CenterNet网络的绝缘子红外图像检测方法，其特征是：在步骤6中，CenterNet模型在训练过程中采取的损失函数为下式：

L_ov＝L_k+L_sizeλ_size+L_offλ_off；

其中，L_off为中心点偏置损失；针对Centernet网络的中心点在预测过程中存的浮点误差，Centernet网络采用L1型Loss函数来计算预测出来的偏置值O_P与预测过程中实际存在的偏置值的差值，具体公式为下式：

其中，L_size为中心点预测损失；CenterNet模型将超参数α和β设定为2和4，具体公式为下式：

其中，L_size为宽高预测损失；Centernet网络利用L1函数来计算预测值S_Pk与下采样后的长宽值S_k的差值，具体公式为下式：