[发明专利]一种基于轻卷积神经网络的电力电缆破损检测方法

摘要

本发明公开了一种基于轻卷积神经网络模型的电力电缆破损图像检测方法，包括采样训练阶段和测试阶段：对原始图片进行采样得到样本库，利用样本数据库对轻卷积神经网络模型进行训练，将待检测图像分块按序输入训练完成的网络，得到破损检测结果。本发明构造的轻卷积神经网络作为分类器，提高了检测的精度和速度。本发明涉及到的方法对测试条件要求低，以电缆表面图像为分析对象，实地、随时地无接触地实施，且能够极大程度地抑制光线、阴影、灰尘和水渍等其他因素的干扰，无须预处理，能实现高效、无损和快速地大规模电缆外表面破损检测，鲁棒性好，对电缆表面各种异常损伤均能正确检测，实用价值高。

主权项

1.一种轻卷积神经网络模型，其特征在于，其中所述轻卷积神经网络模型包括6个残差和深度可分离卷积模块；每个所述残差和深度可分离卷积模块中包括3个可分离卷积层和1个普通卷积层；3个所述可分离卷积层分别为第一可分离卷积层、第二可分离卷积层和第三可分离卷积层；其中，第一可分离卷积层中包含16个1*1卷积核，第二可分离卷积层包含16个3*3的卷积核，第三可分离卷积层包含16个1*1卷积核，并加入了最大池化运算；每个残差和深度可分离卷积模块内有输入和输出，通过普通卷积层来连接输入和输出,实现残差网络的功能；两个所述残差和深度可分离卷积模块之间加入ReLU激活层。