[发明专利]基于多任务卷积神经网络的电力绝缘子串协同分析方法

权利要求书

1.基于多任务卷积神经网络的电力绝缘子串协同分析方法，其特征在于，包括以下几个步骤：

S1.图像采集，在不同光照、不同背景情况下采集绝缘子串图像；

S1.1利用无人机，配合可见光载荷进行在不同方位采集数据；

S1.2利用无人机，配合可见光载荷在不同光照情况下进行图像采集；

S1.3利用无人机，配合可见光载荷在距离绝缘子串不同距离下进行图像采集，一般距离设定为距离绝缘子串2米到35米范围内；

S2.预处理，采用三种方案，丰富数据集；

S2.1.对采集到的图像进行RGB三通道的像素级灰度操作；

S2.2.采用随机选定新图像左上角X、Y坐标和新图像宽高W、H，对原图进行裁剪，并根据裁剪后的偏移进行坐标换算；

S2.3.对S2.1和S2.2得到的图像采用马赛克拼接；

S3.图像目标框及其走向标注，利用长边表示法，对图像进行标注；

S4.绝缘子串轮廓标注，延绝缘子串边缘对图像进行标注；

S5.深度神经网络模型构建，构建一个多任务卷积神经网络模型，同时具有目标识别和目标分割的功能；

S5.1模型分割分支采用U行结构，先下采样，再上采样；

S5.2模型目标识别分支在U型结构的前半段(下采样阶段)并联PAFPN结构，用于旋转目标定位；

S6.模型训练，将S2中的数据导入S5构建的模型中，并与S3和S4的标注真值进行误差计算，反馈学习；

S7使用同样经过目标框及走向标注和轮廓标注的验证集进行模型验证。

2.根据权利要求1中所述基于多任务卷积神经网络的电力绝缘子串协同分析方法，其特征在于，S1.1，S1.2，S1.3中，所采集图像覆盖多个分辨率范围，分辨率包括但不限于640*480，1280*720，1024*768，1920*1080，2560*1440，3840*2160，7680*4320等。

3.根据权利要求1中所述基于多任务卷积神经网络的电力绝缘子串协同分析方法，其特征在于，在S2.1中，对图像RGB三通道像素级灰度操作，采用随机通道反转，随机参数高斯模糊，4邻域或8邻域随机拉普拉斯锐化；采用参数取值[0,1]之间的Gamma变换才做，操作公式为：

S＝C*R^γ

其中S为变换后的像素值，C为Gamma变换缩放系数，取值为1，R为输入像素，γ为变换参数，取值[0,1]。

4.根据权利要求1中所述基于多任务卷积神经网络的电力绝缘子串协同分析方法，其特征在于，在S2.2中，选取的新图像左上角X、Y坐标满足如下条件：

X＜W^original/2,Y＜H^original/2，其中W^original,H^origina为原图像的宽和高；

选取的新图像宽高W、H满足如下条件：

X+W＜W^original,Y+H＜H^origina，其中X,Y为6中选取的新图像左上角X、Y，W^original,H^origina为原图像的宽和高。

5.根据权利要求1中所述基于多任务卷积神经网络的电力绝缘子串协同分析方法，其特征在于，在S2.3中，随机采用二图像马赛克、三图像马赛克和四图像马赛克拼接方式。