[发明专利]基于回归算法的目标检测方法及系统

说明书

本发明提供了一种基于回归算法的目标检测方法及系统，涉及图像检测技术领域，该方法包括获取待检测设备现场图像并构建样本数据库；建立深度学习的检测模型；将样本数据库中的图像进行网格划分处理后输入检测模型进行迭代训练，直至达到预设的训练准确度；获取带有待检测设备的图像以形成验证集，将验证集中的图像输入检测模型进行验证，直至达到预设的验证准确度；获取带有待检测设备缺陷的图像以形成测试集，将测试集中的图像输入检测模型进行测试，直至达到预设的测试准确度；将待检测图像输入检测模型进行检测，以输出目标缺陷图像。本发明实施例提供的目标检测方法及系统，可以智能筛选目标对象，提高了目标检测的准确率和及时性。

技术领域

本发明涉及图像检测技术领域，尤其是涉及一种基于回归算法的目标检测方法及系统。

背景技术

目前输电线路产生故障的主要原因有：人为原因损坏、天气因素影响输电线路、输电线路受到污染、鸟害原因产生的输电线路故障等。为了保证电网的正常运行，必须输电线路上的缺陷进行监控、预警和防护。对于此问题，目前常用的方法是人工实地勘察，发现问题，再由工作人员进行排险。但是此种方案的问题在于工作量巨大巡视死角多，并且存在一定危险性，难以保证监控结果的准确性与实时性。

近年来，随着无人机技术的兴起，对于输电线路的巡查开始逐渐由无人机低空遥感方式取代人工实地勘察，无人机巡查也因为其高效、准确、安全的优点得到了电力部门的采用。但是另一个需要解决的问题是，通过无人机取得的航拍图片数量十分巨大，如果仍然采用人工筛选、排查的方法处理如此大规模的图片，势必会遇到与人工实地勘察相似的问题，如准确性降低，难以保证缺陷信息的实时性等。

发明内容

有鉴于此，本发明的目的在于提供一种基于回归算法的目标检测方法及系统，可以智能筛选目标对象，提高了目标检测的准确率和及时性。

第一方面，本发明实施例提供了一种基于回归算法的目标检测方法，包括：获取待检测设备现场图像，并根据该待检测设备现场图像构建样本数据库；建立深度学习的检测模型，该检测模型的输入为样本数据库中的原始图像，该检测模型的输出为缺陷图像；将该样本数据库中的图像进行网格划分处理后输入检测模型进行迭代训练，直至达到预设的训练次数阈值或达到预设的训练准确度；获取带有待检测设备的图像以形成验证集，将验证集中的图像进行网格划分处理后输入训练完成后的检测模型进行验证，直至达到预设的验证次数阈值或达到预设的验证准确度；获取带有待检测设备缺陷的图像以形成测试集，将测试集中的图像进行网格划分处理后输入验证完成后的检测模型进行测试，直至达到预设的测试次数阈值或达到预设的测试准确度；将待检测图像输入该测试完成后的检测模型进行检测，以输出目标缺陷图像。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述将该样本数据库中的图像网格划分处理的步骤包括：获取待处理的图像；将该图像划分成N*N的网格子图像；为每个网格子图像设置多个预测的目标边框；计算各个该目标边框的阈值，删除阈值较低的目标窗口。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，上述根据该待检测设备现场图像构建样本数据库的步骤，包括：利用数据增强技术对该待检测设备现场图像进行变换处理，得到处理后的图像；根据该待检测设备现场图像和该处理后的图像共同构建样本数据库。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，该数据增强技术包括旋转变换、反射变换、翻转变换、缩放变换、平移变换、尺度变换和噪声扰动中的一种或多种。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，在该检测模型进行迭代训练、验证和测试时，还包括：通过深度学习技术进行目标检测。