[发明专利]一种基于深度学习的高压电网飘挂物检测方法

权利要求书

1.一种基于深度学习的高压电网飘挂物检测方法，包括如下步骤：

S100：采集待测高压电网飘挂物标签图像；

S200：将所述待测高压电网飘挂物标签图像输入高压电网飘挂物图像识别模型进行检测，以判断飘挂物在高压电网的位置。

2.根据权利要求1所述的方法，其中，优选的，所述高压电网飘挂物图像识别模型包括：

骨干网，用于对所述待测高压电网飘挂物标签图像进行特征提取和特征融合，以生成特征图；

检测组件，用于对由所述骨干网生成的特征图进行检测。

3.根据权利要求2所述的方法，其中，所述骨干网包括：

特征提取网络，所述特征提取网络包括第一至第五特征提取层，用于对待测高压电网飘挂物标签图像进行特征提取；

特征融合网络，所述特征融合网络包括第一至第四特征融合层，用于对所提取的待测高压电网飘挂物标签图像的特征进行融合以形成特征图。

4.根据权利要求3所述的方法，其中，所述检测组件包括：

维度放缩特征融合模块，用于对由所述特征融合网络输出的特征图进行尺度缩减；

检测端注意力模块，用于对由所述维度放缩特征融合模块尺度缩减后的特征图进行特征增强处理；

感兴趣区域池化模块，用于通过插值计算对由所述检测端注意力模块处理后的特征图进行放大获得特征放大图；

非极大值抑制模块，用于对由所述感兴趣区域池化模块输出的相重叠的特征放大图进行合并，以输出预测框。

5.根据权利要求4所述的方法，其中，所述检测端注意力模块包括依次连接的卷积层、BN层、RULE层、转置卷积层、BN层、转置卷积层以及并行的注意力层。

6.根据权利要求1所述的方法，其中，所述高压电网飘挂物图像识别模型的训练过程包括以下步骤：

S1000：使用COCO2017数据集对高压电网飘挂物图像识别模型进行预训练；

S2000：将所构建的高压电网飘挂物标签图像数据集划分为训练集和测试集，将训练集输入预训练后的高压电网飘挂物图像识别模型中对模型进行训练，训练完成后，将测试集输入训练后的高压电网飘挂物图像识别模型中对模型进行测试，若测试时模型精确到大于90％且召回率大于90％，测试通过，则获得训练好的高压电网飘挂物图像识别模型。

7.一种基于深度学习的高压电网飘挂物检测装置，包括：

采集单元，用于采集待测高压电网飘挂物标签图像；

检测单元，用于将所述待测高压电网飘挂物标签图像输入高压电网飘挂物图像识别模型进行检测，以判断飘挂物在高压电网的位置。

8.根据权利要求7所述的装置，其中，所述检测单元包括：

特征提取子单元，用于对所述待测高压电网飘挂物标签图像进行特征提取；

特征融合子单元，用于将由特征提取子单元提取到的图像特征进行融合，以生成特征图。

9.根据权利要求8所述的装置，其中，所述检测单元还包括：

特征图缩放子单元，用于对由所述特征融合子单元输出的特征图进行尺度缩减；

特征图增强子单元，用于对由所述特征图缩放子单元尺度缩减后的特征图进行特征增强处理；

感兴趣区域池化子单元，用于通过插值计算对由所述特征图增强子单元处理后的特征图进行放大获得特征放大图；

非极大值抑制子单元，用于对由所述感兴趣区域池化子单元输出的相重叠的特征放大图进行合并，以输出预测框。