[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

说明书

本发明公开了一种基于深度学习检测电线杆上异物的方法及装置，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；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；最后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；并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。本发明流程更简化，提高了模型对小物体异物的精准率。

技术领域

本发明属于机器视觉领域，尤其涉及一种基于深度学习检测电线杆上异物的方法及装置。

背景技术

通常电线杆上的异物(如鸟巢、气球、风筝等)都可能对输电线路造成极大的影响，例如引发电线短路，导致大片区域供电受损。因此对电线杆上的异物进行检测清除十分必要。传统的检测方法需要工作人员实地作业，耗损大量的人力物力，监控范围也十分有限。

利用深度学习的方式检测图像中目标物体的位置是当下一种炙手可热的技术手段。通过户外采集的图像数据，结合机器深度学习和识别的能力，自动化识别检测图像中电线杆上的异物，可以帮助工作人员减少作业量，降低人力物力成本。

虽然现有技术提出了一些基于深度学习来检测轨道异物的技术方案，但是现有的深度学习对于更小尺度的物体检测精准度比较低，异物检测的精准度不高。

发明内容

本发明的目的是提供一种基于深度学习检测电线杆上异物的方法及装置，提高检测的精准度和容错率。

为了实现上述目的，本发明技术方案如下：

本发明一种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；

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。

进一步地，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。

进一步地，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。

本发明还提出了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，所述计算机指令被处理器执行时实现上述方法的步骤。

本发明提出的一种基于深度学习检测电线杆上异物的方法及装置，利用深度学习这种无监督分类方式，减少人工干预，相较于传统的监督分类方式，流程更简化。利用统计图像中异物最小宽、高占比来设计default boxes，从而提高了模型对小物体异物的精准率。通过计算电线杆和异物的overlap ratio，从而提高了检测容错率。本发明只需做一次检测，相比于普遍先粗粒度提取之后再细粒度提取的方法，效率要快上许多。

附图说明

图1为本发明基于深度学习检测电线杆上异物的方法流程图；