[发明专利]一种基于深度学习检测电线杆上异物的方法及装置

权利要求书

1.一种基于深度学习检测电线杆上异物的方法，其特征在于，所述基于深度学习检测电线杆上异物的方法，包括：

选择预设数量的包含电线杆和异物的图片，对图片进行扩展处理得到预设倍数的图片库，标示出每个图片中电线杆和异物的位置信息作为样本库；

根据异物的位置计算出异物尺寸与图片尺寸的最小比例值，对最小比例值的倒数向上取整得到SSD物体检测算法的网格数，当计算得到的SSD物体检测算法的网格数大于6时，将SSD物体检测算法第6层卷积层提取的特征图作为第7种的网格，然后将该网格和原始的6种网格合并，作为最后损失函数的输入，训练得到对电线杆和异物的检测模型；

利用训练得到的检测模型同时检测输入图片中的电线杆和异物；

计算电线杆和异物的交叠面积与异物面积的第一占比，剔除第一占比低于预设阈值的异物，提升检测容错率。

2.根据权利要求1所述的基于深度学习检测电线杆上异物的方法，其特征在于，所述图片进行扩展处理，包括：

对图片进行左右翻转处理；

或/和，对图片进行上下翻转处理；

或/和，对图片进行尺寸缩放处理；

或/和，对图片进行随机椒盐噪声处理。

3.根据权利要求1所述的基于深度学习检测电线杆上异物的方法，其特征在于，所述训练得到对电线杆和异物的检测模型，还包括：

按照预设的学习率对模型进行训练，并在训练到预设的次数时，对学习率进行依次衰减。

4.一种基于深度学习检测电线杆上异物的装置，包括处理器以及存储有若干计算机指令的存储器，其特征在于，所述计算机指令被处理器执行时实现权利要求1至权利要求3中任意一项所述方法的步骤。