[发明专利]一种绝缘子缺陷检测模型构建方法及系统

权利要求书

1.一种绝缘子缺陷检测模型构建方法，为一种基于非对称卷积YOLOv5s的绝缘子缺陷检测模型构建方法，其特征在于，所述方法包括以下步骤：

S1，构建输电线路绝缘子图像数据集；

S2，基于非对称卷积模块(Asymmetric Convolution Block，ACBlock)、通道和空间的双注意力机制CBAM和YOLOv5s构建用于绝缘子图像的检测模型；

S3，使用所述绝缘子图像数据集对所述检测模型进行训练，并采用PIoU损失函数对所述检测模型进行参数更新；

S4，将绝缘子图像输入训练好的模型进行检测，输出绝缘子图像中目标的位置和类别。

2.如权利要求1所述的一种绝缘子缺陷检测模型构建方法，其特征在于，所述步骤S1包括如下步骤：

S11，构建航拍绝缘子数据集，并通过镜像、旋转和添加噪声等数据增强方法来扩充数据集；

S12，对绝缘子图像样本进行标注，使用矩形框标注绝缘子及其缺陷位置，并标注类别为绝缘子或缺陷；数据集采用YOLO格式，图片标注使用的是LabelImg，标注后的文件以.xml作为后缀，将标签文件转为.txt文件。

3.如权利要求1所述的一种绝缘子缺陷检测模型构建方法及，其特征在于，所述步骤S2包括如下步骤：

S21，使用非对称卷积模块ACBlock做为BottleneckCSP1中残差单元的卷积，构建ACBlock-BottleneckCSP1；基于ACBlock-BottleneckCSP1搭建非对称卷积YOLOv5s网络；

S22，在非对称卷积YOLOv5s的主干网络中引入通道和空间结合的注意力机制CBAM；分别在主干网络中第一个ACBlock-BottleneckCSP1之前和最后一个ACBlock-BottleneckCSP1之后引入CBAM注意力机制。

4.如权利要求1所述的一种绝缘子缺陷检测模型构建方法，其特征在于，所述步骤S3包括如下步骤：

S31，数据集划分为训练集、验证集和测试集；

S32，设置批量、训练轮数、学习率和冲量等训练参数；

S33，利用所述训练集和验证集，使用梯度下降法求解损失函数的最优解，并根据损失函数的最优解对所述检测模型进行参数更新，保存训练好的模型；

S34，使用所述测试数据对训练好的模型进行测试。

5.如权利要求4所述的一种绝缘子缺陷检测模型构建方法，其特征在于，所述损失函数中的边界框回归损失PIoU公式如下：

其中，为所有正样本的集合，为正样本数，为真实目标，为预测目标边框；是经二进制约束函数处理后真实目标预测目标框交集的像素点数和并集的像素点数比值。

6.一种绝缘子缺陷检测模型构建系统，为一种基于双注意力非对称卷积YOLOv5s的绝缘子缺陷检测模型构建系统，其特征在于，该系统包括一个或多个处理器以及存储有程序指令的非暂时性计算机可读存储介质，当一个或多个处理器执行程序指令时，一个或多个处理器用于实现根据权利要求1-5任意一项所述的方法。