[发明专利]一种接线端子锈蚀全景监控图像的边缘侧轻量化处理方法

权利要求书

1.一种接线端子锈蚀全景监控图像的边缘侧轻量化处理方法，其特征在于，包括以下步骤：

S1、采用边缘侧计算机对采集的接线端子锈蚀样本数据进行预处理；

S2、在边缘侧构建基于双注意力MobileNet的轻量化锈蚀检测模型；

所述的MobileNet采用的卷积方式为深度可分离卷积，所述的深度可分离卷积首先采用1×1大小的卷积核先对每一个通道进行卷积操作，再使用3×3大小的卷积核进行通道间的信息交流；

所述的基于双注意力MobileNet的轻量化锈蚀检测模型将SSD作为网络基本框架，采用基于双注意力的MobileNet替换SSD的特征提取网络VGG16，作为特征提取网络；所述的双注意力的MobileNet采用级联双注意力模型通过空间域和通道域的同时标定构建一个针对每个通道内的每个位置的注意力特征，所述的级联双注意力模型由空间注意力模块和通道注意力模块拼接组成，所述的空间注意力模块和通道注意力模块用于对检测效果进行加强；

S3、将训练数据集及其标签输入到基于双注意力MobileNet的轻量化锈蚀检测模型中进行训练，训练后再输入测试数据集得到检测结果。

2.根据权利要求1所述的一种接线端子锈蚀全景监控图像的边缘侧轻量化处理方法，其特征在于，步骤S2中所述的在边缘侧构建基于双注意力MobileNet的轻量化锈蚀检测模型的工作流程为：采用38*38，19*19，10*10，5*5，3*3，1*1共计6个尺度的特征图用于边框预测和目标分类，其中浅层特征图用于对小目标的检测，深层特征图尺寸用于对显著目标的检测；其中38*38，19*19，10*10，5*5的特征图各采用六种大小和长宽比不同的预选框，而3*3，1*1的特征图则各采用四种大小和长宽比不同的预选框，共计11620个预选框；通过对提取到的6个尺度的特征图进行目标分类和边框回归，其中分类网络输出的是每一类的概率值，回归网络得到的每一个预测框的坐标值，然后在候选框位置进行修正时釆用非极大值抑制。

3.根据权利要求1所述的一种接线端子锈蚀全景监控图像的边缘侧轻量化处理方法，其特征在于，所述的空间注意力模块的工作流程为：首先对C×H×W大小的原特征图以通道为单位展平为C×N的特征矩阵，随后再转置为N×C的特征矩阵，对这两个特征矩阵进行矩阵乘法得到N×N特征标定矩阵，所述的特征标定矩阵的每一个位置都代表了原特征的每一个像素点与其他像素点之间的关系，此时对所述的特征标定矩阵利用二维的softmax函数进行归一化标定得到一个权重掩码矩阵，权重掩码矩阵内的每一个位置的值即为原特征图内每一个像素点所占的信息量占比，将权重掩码矩阵与展开的C×N的特征矩阵进行矩阵乘法对原特征图进行特征的重新标定，最后同一个残差结构加上原始特征信息，从而完成特征图的标定，其公式为：

其中，E_c为标定后的特征图，D_i为变换前的特征图，A_j为残差结构加上原始特征图，S_ij为权重掩码矩阵中第(i,j)个位置的权重值；

4.根据权利要求3所述的一种接线端子锈蚀全景监控图像的边缘侧轻量化处理方法，其特征在于，所述的权重掩码矩阵中第(i,j)个位置的权重值S_ij的计算公式为：

其中，B_i为展开后的大小为N×C的特征图，C_j为展开后的大小为C×N的特征图。