[发明专利]基于轻量化模型下发的输电线路缺陷巡检方法和装置

权利要求书

1.一种基于轻量化模型下发的输电线路缺陷巡检方法，其特征在于，所述方法包括：

压缩目标器件检测模型，得到压缩后的目标器件检测模型并下发；所述目标器件检测模型为基于目标器件训练集对第一单阶段目标检测模型进行训练得到；所述目标器件训练集为采用最小外接矩形框对输电线路的历史无人机巡检图像中的目标器件进行标注得到；其中，所述压缩后的目标器件检测模型用于指示边缘设备识别当前无人机巡检图像，以得到所述目标器件的类型与位置；所述目标器件的类型与位置用于指示所述边缘设备指示无人机调整姿态以获取目标器件图像并上传；

若接收到所述目标器件图像，采用缺陷检测模型处理所述目标器件图像，得到输电线路缺陷巡检结果；所述缺陷检测模型为基于所述目标器件训练集对第二单阶段目标检测模型进行训练得到。

2.根据权利要求1所述的方法，其特征在于，所述目标器件检测模型和所述缺陷检测模型均为包括依次连接的主干网络、编码器和解码器的模型；

所述主干网络包括残差神经网络和特征金字塔的第五卷积层输出的特征图，所述残差神经网络与所述特征图连接；所述编码器包括相连的投影层和残差块；所述投影层与所述特征图连接；所述解码器包括分类分支和回归分支；所述回归分支包括隐式预测对象，用于输出所述目标器件的位置；所述分类分支通过与所述隐式预测对象合并，以输出所述目标器件的类型。

3.根据权利要求2所述的方法，其特征在于，所述目标器件检测模型包括若干个普通卷积层；所述缺陷检测模型包括若干个分组卷积层。

4.根据权利要求3所述的方法，其特征在于，所述目标器件检测模型采用均衡匹配策略以调整用于训练的所述目标器件训练集的样本比例；

所述缺陷检测模型采用交叉熵损失函数以调整用于训练的所述目标器件训练集的样本比例。

5.根据权利要求4所述的方法，其特征在于，所述压缩所述目标器件检测模型并下发的步骤包括：

基于所述目标器件检测模型各层通道的平均通道显著性，对所述目标器件检测模型进行动态剪枝，获取所述压缩后的目标器件检测模型；

采用HTTP协议通过5G网络下发所述压缩后的目标器件检测模型。

6.根据权利要求1至5任意一项所述的方法，其特征在于，所述目标器件包括玻璃绝缘子、防震锤和均压环；所述目标器件训练集包括VOC格式的xml标注文件；

所述方法还包括：

若接收到所述目标器件图像，则基于所述目标器件图像优化所述缺陷检测模型。

7.一种基于轻量化模型下发的输电线路缺陷巡检装置，其特征在于，所述装置包括：

压缩下发模块，用于压缩目标器件检测模型，得到压缩后的目标器件检测模型并下发；所述目标器件检测模型为基于目标器件训练集对第一单阶段目标检测模型进行训练得到；所述目标器件训练集为采用最小外接矩形框对输电线路的历史无人机巡检图像中的目标器件进行标注得到；其中，所述压缩后的目标器件检测模型用于指示边缘设备识别当前无人机巡检图像，以得到所述目标器件的类型与位置；所述目标器件的类型与位置用于指示所述边缘设备指示无人机调整姿态以获取目标器件图像并上传；

结果输出模块，用于若接收到所述目标器件图像，采用缺陷检测模型处理所述目标器件图像，得到输电线路缺陷巡检结果；所述缺陷检测模型为基于所述目标器件训练集对第二单阶段目标检测模型进行训练得到。

8.一种云端设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。