[发明专利]一种基于深度学习的无人机图像输电杆塔倒伏识别的方法

摘要

本发明涉及一种基于深度学习的无人机图像输电杆塔倒伏识别的方法，首先制作训练数据集和验证数据集，数据集包括两种类别的无人机图像，分别是不同背景下的直立杆塔以及倒伏杆塔；然后建立深度学习模型，分别以ResNet为基础的Faster R‑CNN网络和以Darknet‑53为基础的Yolov3网络作为深度学习目标检测的基础网络结构；接着进行数据增强，并对深度学习模型进行训练，然后固化与测试检测模型，并进行模型融合，最后利用融合后的模型对杆塔图像进行识别。本发明利用深度学习目标检测方法，实现了巡检过程中对输电杆塔的识别及故障检测。

主权项

1.一种基于深度学习的无人机图像输电杆塔倒伏识别的方法，其特征在于，包括以下步骤：步骤S1：制作训练数据集和验证数据集，数据集包括两种类别的无人机图像，分别是不同背景下的直立杆塔以及倒伏杆塔；步骤S2：建立深度学习模型，分别以ResNet为基础的Faster R‑CNN网络和以Darknet‑53为基础的Yolov3网络作为深度学习目标检测的基础网络结构；步骤S3：对步骤S1的数据集进行数据增强；步骤S4：利用步骤S3增强后的训练数据集对步骤S2的Faster R‑CNN网络和Yolov3网络进行训练；步骤S5：固化与测试检测模型，根据步骤S4训练时的各项网络参数变化情况，在达到期望数值时固化深度学习网络模型；步骤S6：进行模型融合，将Faster R‑CNN、Yolov3网络输出的类别置信度进行加权平均，根据各模型在训练集上的分类误差率设定权重，再通过投票的结合策略将两种模型的结果融合，生成最终的杆塔倒伏集成模型；步骤S7：利用验证后的杆塔倒伏集成模型对待测图像进行检测，经过网络前向传播后，得出检测结果的目标矩形框的坐标与置信度；其中矩形框中包含检测的目标杆塔，以及目标杆塔倒伏的置信度得分。