[发明专利]一种基于改进SSD算法的绝缘子缺陷识别方法

权利要求书

1.一种基于改进SSD算法的绝缘子缺陷识别方法，其特征在于，所述绝缘子缺陷识别方法包括以下步骤：

步骤1、利用无人机采集绝缘子图像，本发明采用电网某公司提供的航拍绝缘子巡检图片制作数据集。航拍绝缘子图片中，绝缘子破损照片688张，绝缘子闪络照片692张，绝缘子掉串照片48张，存在样本类别不均衡且数量过少的问题。

步骤2、针对航拍绝缘子图片样本类别不均衡和数量过少的问题，对航拍绝缘子图片进行扩充，避免模型训练出现过拟合的问题。

步骤3、利用LabelImg工具对数据集进行标注，绝缘子标签为Insulator，绝缘子破损标签为Broken，绝缘子闪络标签为Flashover，绝缘子掉串标签为Drop。数据集中各类标签数量为：Insulator标签共2889处，Broken标签共1155处，Flashover标签共886处，Drop标签共774处。

步骤4、划分数据集为训练集、验证集、测试集。航拍绝缘子数据集用LabelImg工具标注过后生成xml格式文件，将其转换为txt格式文件以应用于SSD目标检测算法。格式转换后，按照8：1：1的比例将数据集划分训练集、验证集和测试集。

步骤5、基于SSD算法构建绝缘子缺陷检测模型，所述绝缘子缺陷检测模型以SSD目标检测算法为基础，首先将其主干网络VGG16更改为Resnet50，并将Resnet50网络结构作删减与修改，使其与SSD网络结构更好地融合；其次新增金字塔模块，将浅层特征与深层特征融合，充分利用各尺寸特征图中所含的特征，提高模型对个尺寸目标的感知能力；最后在主干网络输出的浅层特征图后加入Shuffle Attention模块，进一步提升模型对绝缘子缺陷的检测精度。

步骤6、基于改进SSD算法的绝缘子缺陷检测模型训练。

步骤7、基于改进SSD算法的绝缘子缺陷检测模型性能测试。

2.根据权利要求1所述的基于改进SSD算法的绝缘子缺陷识别方法，其特征在于，步骤2中，针对绝缘子数据集类别不均衡和数量过少的问题，利用Grabcut分割算法对绝缘子掉串图片进行扩充。首先选取数据集中绝缘子掉串图片，框定掉串绝缘子作为前景，程序读取ROI并执行Grabcut操作，生成掉串绝缘子掩膜。其次读入输电线路背景图片，将掩膜区域的掉串绝缘子与背景图片进行像素运算，生成绝缘子掉串融合图片。

3.根据权利要求1所述的基于改进SSD算法的绝缘子缺陷识别方法，其特征在于，步骤5中，将SSD算法的主干网络替换为Resnet50。为保证卷积层后的特征图的大小不发生改变，本发明对ResNet50网络结构进行修改，完成与SSD网络的结合。

4.根据权利要求1所述的基于改进SSD算法的绝缘子缺陷识别方法，其特征在于，步骤5中，为了充分利用深层特征图的语义信息与浅层特征图的细节信息，借鉴FPN结构，添加金字塔结构：每层输出特征图利用interpolate函数实现上采样，再与原特征图进行拼接操作，将深层的强语义信息传递到浅层，增强多个尺度上的语义表达，提升算法对不同尺度目标的识别精度。

5.根据权利要求1所述的基于改进SSD算法的绝缘子缺陷识别方法，其特征在于，步骤5中，在SSD主干网络输出浅层特征图后添加两处Shuffle Attention模块，解决输电线路中绝缘子闪络、破损缺陷目标像素信息少且与背景信息互相干扰的问题，提高绝缘子缺陷小目标的检测精度。

6.根据权利要求1所述的基于改进SSD算法的绝缘子缺陷识别方法，其特征在于，步骤6中，在模型训练过程中，设置输入图像尺寸为300×300，使用SGD优化器，训练轮数为200，批次大小为8，初始学习率设置为0.002，余弦退火率为0.1，权值衰减为0.0005、动量为0.937，设置基准锚框参数为[22，50，70，153，200，217，300]。