[发明专利]一种基于改进YOLOv4网络的绝缘子缺陷检测方法

权利要求书

1.一种基于改进YOLOv4网络的绝缘子缺陷检测方法，其特征在于，包括以下步骤：

步骤1：获取含有绝缘子缺陷的图像；

步骤2：对含有绝缘子缺陷的图像进行预处理，采用数据增强方式扩充含有绝缘子缺陷的图像；利用标注软件对含有绝缘子缺陷的图像进行标注，构建含有绝缘子缺陷的图像数据集；

步骤3：构建改进的YOLOv4网络；

步骤4：将绝缘子训练集输入改进的YOLOv4网络进行训练，获得最优的权重参数得到绝缘子缺陷检测网络模型；

步骤5：将需要检测的图像输入绝缘子缺陷检测网络模型，识别和定位出绝缘子缺陷。

2.根据权利要求1所述的一种基于改进YOLOv4网络的绝缘子缺陷检测方法，其特征在于：所述的步骤1中，通过拍摄或网上开源数据集获取含有绝缘子缺陷的图像。

3.根据权利要求1所述的一种基于改进YOLOv4网络的绝缘子缺陷检测方法，其特征在于：所述的步骤2中，数据增强方式首先通过裁剪含有绝缘子缺陷的图像，提取出正常和含有缺陷的绝缘子，并与任意图片作为背景合成新的图像，再对合成之后的图像进行随机旋转、翻转生成新的含有绝缘子缺陷的图像，对原有的含有绝缘子缺陷的图像以及数据增强方式获得的含有绝缘子缺陷的图像，使用标注软件对图像中的绝缘子串以及绝缘子缺陷进行矩形框标注，构建含有绝缘子缺陷的图像数据集，按照一定的比例随机分配生成训练集、验证集和测试集。

4.根据权利要求1所述的一种基于改进YOLOv4网络的绝缘子缺陷检测方法，其特征在于：所述的步骤3中，改进的YOLOv4网络由主干特征提取网络(CSPDarknet53)、加强特征提取网络(PANet)和头部网络(YOLO-Head)构成，主干特征提取网络(CSPDarknet53)在残差模块后引入卷积注意力模块(CBAM)，加强特征特征提取网络(PANet)采用CSPlayer代替五次卷积模块(ConvSet5)，在每一次上采样和下采样后，经过维度堆叠的特征层都采用一次空间金字塔池化模块(SPP)。

5.根据权利要求4所述的卷积注意力模块(CBAM)，其特征在于：对输入特征图分别在每层特征层的宽和高上进行一次全局最大池化(MaxPool)和全局平均池化(AvgPool)，之后对两个通道池化层采用多层感知机(MLP)处理，接着将两个输出的通道权重层融合相加后再进行一次Sigmoid非线性激活处理，得到权衡了输入特征图通道上关键特征信息的权重层，将权重层上的权重参数与输入特征图在通道上进行相乘，完成对输入特征图通道注意力机制的施加。

6.根据权利要求1所述的一种基于改进YOLOv4网络的绝缘子缺陷检测方法，其特征在于：所述的步骤4中，将绝缘子训练集输入改进的YOLOv4网络进行训练，首先冻结主干网络(CSPDarknet53)参数进行多次世代训练，再解冻进行完整的世代训练，每个世代训练完成都代入验证集计算验证集的损失函数值，反向传播更新网络权值，保存损失函数值最低的权值文件为训练获得的最优的权重参数。