[发明专利]基于YOLO的电缆设备外部腐蚀破损识别方法

权利要求书

1.基于YOLO的电缆设备外部腐蚀破损识别方法，其特征在于，包括：

1)通过隧道巡检机器人摄像头拍摄采集包含目标物的隧道内部电缆设备样本图像，样本图像中包含的目标物为隧道内部的槽盒、风机、检修电源箱和配电箱；

2)遍历所有隧道内部电缆设备样本图像，对每张图像用包围框针对目标物进行标记处理，获得训练集；

3)采用图像缩放方法调整图像尺寸：针对训练集中的样本图像进行图像缩放，调整图像尺寸；

4)利用卷积神经网络对步骤3)得到的图像进行特征提取，其中卷积神经网络采用YOLO前20层卷积层训练好的网络，并采用批量归一化方法对每层网络进行归一化处理然后再进行输入，最后通过RPN网络来预测边界框；

5)按步骤4)中方法不断迭代训练直至模型训练误差趋于稳定，最后获得的整个网络模型作为隧道内部电缆设备检测模型；

6)实时采集电缆设备待测图像，按照与步骤3)中相同的图像缩放方法进行缩放后作为步骤5)获得的隧道内部电缆设备检测模型的输入，隧道内部电缆设备检测模型的输出即为电缆设备待测图像的最终识别结果。

2.根据权利要求1所述的电缆设备外部腐蚀破损识别方法，其特征在于，所述的步骤1)中，隧道内部电缆设备样本图像是指巡检机器人行走到电缆设备附近，摄像头朝向电缆设备，以电缆设备为目标物，水平正对目标物的水平左偏差30度视角和水平右偏差30度视角之间的范围内以及从上俯视偏差70度视角和从下仰视偏差70度视角之间的范围内采集获得的图像。

3.根据权利要求1所述的电缆设备外部腐蚀破损识别方法，其特征在于，所述的步骤2)中，包围框为一长方形框，一共分4个类别，分别代表不同种类的损坏的电缆设备：一类是槽盒损坏的电缆设备，一类是风机损坏的电缆设备，一类是检修电源箱锈蚀的电缆设备，还有一类是配电箱损坏的电缆设备，没有上述4个类别损坏的图像不进行标记处理，步骤2)中的训练集按上述方法获得。

4.根据权利要求1所述的电缆设备外部腐蚀破损识别方法，其特征在于，所述的步骤3)中，图像缩放方法采用双线性插值。

5.根据权利要求4所述的电缆设备外部腐蚀破损识别方法，其特征在于，所述的步骤3)中，已知Q₁₁、Q₂₁、Q₁₂、Q₂₂，要插值的点为P点，使用双线性插值；Q₁₁的横坐标为x₁，纵坐标为y₁；Q₁₂的横坐标为x₁，纵坐标为y₂；Q₂₁的横坐标为x₂，纵坐标为y₁；Q₂₂的横坐标为x₂，纵坐标为y₂；P点的横坐标为x，纵坐标为y；R₁的横坐标为x，纵坐标为y₁；R₂的横坐标为x，纵坐标为y₂；

首先在x轴方向上，对R₁和R₂两个点进行线性插值，得到：

然后在y轴方向进行线性插值，得到：

得到所要的结果f(x,y)如下：

6.根据权利要求5所述的电缆设备外部腐蚀破损识别方法，其特征在于，如果选择一个坐标系统使得f的四个已知点Q₁₁、Q₂₁、Q₁₂、Q₂₂坐标分别为(0,0)、(0,1)、(1,0)和(1,1)，那么插值公式就化简为：

f(x,y)≈f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy。

7.根据权利要求4所述的电缆设备外部腐蚀破损识别方法，其特征在于，所述的步骤3)中，采用双线性插值方法对训练集中的样本图像进行图像缩放，调整图像尺寸为448×448。