[发明专利]一种基于深度学习的高压电网飘挂物检测方法

说明书

本公开揭示了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：采集待测高压电网飘挂物标签图像；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。本公开还提供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。

技术领域

本公开属于图像处理技术领域，具体涉及一种基于深度学习的高压电网飘挂物检测方法。

背景技术

为了确保电网设备安全稳定运行，对输电线路必须经常进行易漂浮物大排查及清理工作。由于大风可能引发异物搭挂、导线舞动从而造成倒塔断线等设备损伤，需要利用望远镜、无人机等对线路和设备进行详细检查，掌握每条运行线路、检查设备及接点有无悬挂物现象，及时发现隐患。由于高压输电线路存在跨越地区广，线路长等问题，采用人工巡检无法及时排除隐患。随着深度学习的发展，采用基于深度学习的目标检测加无人机智能巡检应运而生，使用无人机拍摄输电线路可以快速完成电网上的信息采集，通过对采集到的图像进行分析可以及时排查出安全隐患。但是通常使用无人机巡检拍照，使用目标检测模型检测电网飘挂物目标存在一些问题，如识别精度较低、召回率低以及检测效率不高的问题。

发明内容

针对现有技术中的不足，本公开的目的在于提供一种基于深度学习的高压电网飘挂物检测方法，该方法能够提高高压电网图像中飘挂物的位置的检测精确度，有效帮助维护人员高效巡检高压电网。

为实现上述目的，本公开提供以下技术方案：

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。

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。

优选的，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。

优选的，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。

优选的，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。

优选的，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；