[发明专利]一种基于改进YOLOv4网络的绝缘子缺陷检测方法

说明书

本发明公开了一种基于改进YOLOv4网络的绝缘子缺陷检测方法，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。本发明抗干扰能力强，稳定性高，能够在各种复杂背景图像中，精准的识别和定位出绝缘子缺陷。

技术领域：

本发明涉及计算机视觉领域，具体涉及一种基于改进YOLOv4网络的绝缘子缺陷检测方法。

背景技术：

绝缘子作为输电线路中重要组成部分，是实现电力输送线路不同组件之间可靠绝缘，确保电能安全输送的重要部件。但绝缘子长时间暴露在户外环境中，经受日晒雨淋、电闪雷击，绝缘子容易出现自爆、破损、闪络等缺陷，严重时将造成供电事故。无人机、高清晰摄像头、高速网络的出现使得无人机航拍巡检成为了目前最佳的解决方案。

如何从复杂多样的航拍背景图像中完整、准确地识别定位绝缘子缺陷，是无人机电力巡检必须解决的关键问题。目前，许多学者针对航拍图像绝缘子缺陷提取方法进行了大量研究。其中，基于形态学的Sobel边缘检测算法来分割复杂背景下的绝缘子，用形态学处理的方法对绝缘子边缘图像进行检测，增强算法的抗噪性，但是识别速度慢，准确率较低。利用K-means和双特征约束对绝缘子缺陷定位，该方法由于K-means聚类算法耗时过大而效果欠佳。

发明内容：

针对上述问题，本发明提供一种基于改进YOLOv4网络的绝缘子缺陷检测方法，能够在各种复杂的背景下，精确地识别定位出绝缘子缺陷。

为了实现本发明之目的，拟采用以下技术方案：一种基于改进YOLOv4网络的绝缘子缺陷检测方法，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。

本方案中所述步骤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。

进一步地，所述步骤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。

进一步地，所述步骤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)。