[发明专利]一种多尺度特征提取融合配电网设备定位识别方法

说明书

本发明涉及一种多尺度特征提取融合配电网设备定位识别方法，具体步骤如下:获取不同场景下配电网设备图像并进行预处理，并划分训练集、验证集及测试集；构建由多尺度Transformer特征提取主干网络、金字塔多尺度特征融合模块、分类检测预测层构成的目标检测网络；经过训练集的权重参数的学习，和经过验证集的进一步优化调整，最终由测试集得完成对于配电网设备的识别与分类，确定最终的检测结果。本发明可以适应各种实际场景下采集的实时图像中实现各类目标设备精准识别定位，高效的解决了以往方法中由于设备定位识别误差造成的巡检任务错误的问题，提高了巡检工作的效率与质量。

技术领域

本发明属于配电网工程巡检现场的图像识别技术领域，具体涉及一种多尺度特征提取融合配电网设备定位识别方法。

背景技术

在配电网工程巡检现场，普遍存在着现场场景复杂性高，并且工程现场之间相距较远，传统在执行巡检任务时，主要是依靠检测人员视觉识别，需要消耗大量的人力、物力和财力；人工检测识别的方式，严重依赖于检测人员的工作经验，需要耗费大量的人力资源且效率低下，并且在长时间的工作后，会导致识别误差率提高，进一步降低巡检任务的效率。

随着数字化和自动化水平的提升，基于计算机视觉的检测算法得到飞速的发展。由于深度学习的广泛应用，大量的目标检测算法开始涌现出来，为解决配电网设备的监管提供了高效的途径。现有的基于深度学习的目标检测算法分为两阶段和一阶段两大类：前者是先由算法生成一系列作为样本的候选框，再通过卷积神经网络进行样本分类和位置的微调；而后者是一个端到端的框架，输入图片后即可直接输出目标类别和对应的位置，将目标边框定位的问题转化为回归问题处理。

但是配电网工程场景图片复杂性高，图像中待检测设备种类繁多，背景冗余信息较多且复杂，关键目标信息不易被精准检测。为此，需提出一种高效配电网设备识别检测的方法，以适应不同复杂场景下，对各类配电网设备进行高稳定性和准确性的自动识别检测。

发明内容

为了克服上述所述的不足，本发明的目的是提供一种多尺度特征提取融合配电网设备定位识别方法，本发明实现了配电网工程不同场景的目标设备的识别检测，有效提升巡检任务的效率，得到更高可靠性的检测结果。

本发明解决其技术问题的技术方案是：一种多尺度特征提取融合配电网设备定位识别方法，包括如下步骤：

步骤S1、采集获取各种场景下配电网设备图像数据，并进行预处理，并划分训练集、验证集及测试集；

步骤S2、构建由多尺度Transformer特征提取主干网络、金字塔多尺度特征融合模块、分类检测预测层构成的目标检测网络；

所述多尺度Transformer特征提取主干网络由一个stem模块和四个特征提取阶段模块组成，四个特征提取阶段模块依次为第一特征提取阶段模块、第二特征提取阶段模块、第三特征提取阶段模块、第四特征提取阶段模块；

第一特征提取阶段模块依次包括Patch Embedding模块、Swin Transformer-Encoder模块和下采样层，Patch Embedding模块的输入为stem模块的输出，SwinTransformer-Encoder模块获取Patch Embedding模块的输出，Swin Transformer-Encoder模块处理后的特征经下采样层处理得到第一特征图M1；

第二特征提取阶段模块包括Swin Transformer-Encoder模块和下采样层；其SwinTransformer-Encoder模块的输入为第一特征提取阶段模块得到的第一特征图M1；

第三特征提取阶段模块包括Swin Transformer-Encoder模块和下采样层；其SwinTransformer-Encoder模块的输入为第二特征提取阶段模块得到的第二特征图M2；