[发明专利]应用于训练线路异物目标检测模型的样本集构建方法

权利要求书

1.应用于训练线路异物目标检测模型的样本集构建方法，其特征在于，该方法包括如下步骤：

步骤一、无人机巡线作业，根据预设路线进行巡检，实时的自动拍摄图像，并上传至远方终端；其中，无人机拍摄的图像为输电线路上具有鸟窝的图像；

步骤二、远方终端对无人机实时传输的图像进行预处理，获得N张预处理后的图像，该预处理后的图像作为样本集，N为大于或等于20的整数；

步骤三、利用图像增强的方法对N张预处理后的图像进行数据扩充，使样本集的数量扩充至7N，该扩充后的样本集用于对线路异物目标检测模型进行训练，从而实现对线路异物目标检测模型的样本集的构建。

2.根据权利要求1所述的应用于训练线路异物目标检测模型的样本集构建方法，其特征在于，步骤二中、远方终端对无人机实时传输的图像进行预处理的实现方式为：

对无人机实时传输的图像进行多尺度缩放处理，获得N张预处理后的图像。

3.根据权利要求1所述的应用于训练线路异物目标检测模型的样本集构建方法，其特征在于，步骤三中、利用图像增强的方法对N张预处理后的图像进行数据扩充，使样本集的数量扩充至7N的实现方式为：

步骤三一、对每张预处理后的图像进行左右镜像翻转和上下镜像翻转，获得2N张镜像翻转后的图像；

步骤三二、还对每张预处理后的图像添加高斯噪音，获得N张具有高斯噪音的图像；

步骤三三、还对每张预处理后的图像添加椒盐噪音，获得N张具有椒盐噪音的图像；

步骤三四、还对每张预处理后的图像的色彩饱和度进行增加和减少，获得2N张改变图像色彩饱和度的图像；

步骤三五、将N张预处理后的图像与2N张镜像翻转后的图像、N张具有高斯噪音的图像、N张具有椒盐噪音的图像和2N张改变图像色彩饱和度的图像进行求和，实现了对N张预处理后的图像进行数据扩充，使样本集的数量扩充至7N。

4.根据权利要求1所述的应用于训练线路异物目标检测模型的样本集构建方法，其特征在于，线路异物目标检测模型为基于ResNet101特征提取网络的Faster RCNN目标检测模型。