[发明专利]一种避雷器的红外图像识别方法及装置

权利要求书

1.一种避雷器的红外图像识别方法，其特征在于，包括：

获取目标避雷器的红外图像；

通过预设的深度学习模型对所述红外图像中的目标避雷器进行识别定位，得到所述目标避雷器在所述红外图像中的位置信息，所述深度学习模型采用SSD算法训练而得；

将所述红外图像、所述目标避雷器的标识信息和所述位置信息对应存储。

2.根据权利要求1所述的避雷器的红外图像识别方法，其特征在于，所述深度学习模型的训练步骤包括：

获取用于训练所述深度学习模型的避雷器的训练红外图像；

采用所述SSD算法和预设的标注信息提取所述训练红外图像中的避雷器的图像特征，并对提取到的图像特征进行多尺度预测，得到所述避雷器在所述训练红外图像中的预测位置信息；所述标注信息为所述避雷器在所述训练红外图像中的倾斜方向；

判断所述预测位置信息与所述避雷器在所述训练红外图像中的人工标注位置信息的差值是否小于预设的权重值；

若是，则确定所述深度学习模型训练完成。

3.根据权利要求2所述的避雷器的红外图像识别方法，其特征在于，所述确定所述深度学习模型训练完成之前，还包括：

获取用于测试所述深度学习模型的避雷器的红外图像测试集合；

将所述红外图像测试集合输入所述深度学习模型，得到测试结果，所述测试结果包括：所述红外图像测试集合中的每个红外图像中的避雷器的位置信息；

计算所述测试结果的正确率，并判断所述测试结果的正确率是否大于预设的阈值；

若是，则执行所述确定所述深度学习模型训练完成的步骤。

4.根据权利要求2所述的避雷器的红外图像识别方法，其特征在于，当所述预测位置信息与所述避雷器在所述训练红外图像中的人工标注位置信息的差值不小于预设的权重值时，还包括：

根据所述差值更新所述深度学习模型的模型参数，并执行所述获取用于训练所述深度学习模型的避雷器的训练红外图像的步骤。

5.根据权利要求2所述的避雷器的红外图像识别方法，其特征在于，所述采用所述SSD算法和预设的标注信息提取所述训练红外图像中的避雷器的图像特征，包括：

将所述训练红外图像中的避雷器旋正，并采用所述SSD算法和所述标注信息提取旋正后的避雷器的图像特征。

6.根据权利要求2-5任意一项所述的避雷器的红外图像识别方法，其特征在于，所述获取用于训练所述深度学习模型的避雷器的训练红外图像之后，还包括：

按照所述标注信息和预设的旋转规则对所述训练红外图像中的避雷器的倾斜角度进行调整，得到具有不同倾斜角度的多个训练红外图像。

7.根据权利要求6所述的避雷器的红外图像识别方法，其特征在于，所述将所述红外图像、所述目标避雷器的标识信息和所述位置信息对应存储之后，还包括：

按照所述标识信息和所述位置信息确定所述目标避雷器的温度异常点。

8.一种避雷器的红外图像识别装置，其特征在于，包括：

获取模块，用于获取目标避雷器的红外图像；

识别模块，用于通过预设的深度学习模型对所述红外图像中的目标避雷器进行识别定位，得到所述目标避雷器在所述红外图像中的位置信息，所述深度学习模型采用SSD算法训练而得；

存储模块，用于将所述红外图像、所述目标避雷器的标识信息和所述位置信息对应存储。

9.一种避雷器的红外图像识别设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1-7任意一项所述的避雷器的红外图像识别方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述的避雷器的红外图像识别方法的步骤。