[发明专利]一种基于SSD架构的电力部件缺陷检测方法在审
| 申请号： | 201910306201.7 | 申请日： | 2019-04-17 |
| 公开（公告）号： | CN110033451A | 公开（公告）日： | 2019-07-19 |
| 发明（设计）人： | 王大伟;白鹭;董理科;李冠良;张娜;张申;张兴忠 | 申请（专利权）人： | 国网山西省电力公司电力科学研究院;山西鸿顺通科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06N3/04 |
| 代理公司： | 北京八月瓜知识产权代理有限公司 11543 | 代理人： | 马东瑞 |
| 地址： | 030001*** | 国省代码： | 山西;14 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 电力部件 缺陷检测 架构 检测 构建 卷积神经网络 检测结果 缺陷类别 重定位 裁剪 部件区域 模型检测 模型文件 实时性 准确率 图片 | ||
1.一种基于SSD架构的电力部件缺陷检测方法，其特征在于：包括如下步骤：
1)电力部件检测：在SSD架构下，构建基于大卷积神经网络的电力部件检测模型；
2)电力部件缺陷检测：在SSD架构下，构建基于轻量级卷积神经网络的电力部件缺陷检测模型；
3)裁剪图片：利用电力部件检测模型检测电力部件，在检测到的电力部件图片上进行部件区域裁剪，在裁剪后的图片上，利用电力部件缺陷检测模型进行缺陷检测；
4)检测结果重定位：对以上构建的两个检测模型的检测结果进行重定位，作为最终的电力部件缺陷检测结果。
2.根据权利要求1所述的一种基于SSD架构的电力部件缺陷检测方法，其特征在于：所述步骤(1)中在已标注好的电力部件训练数据集上学习电力部件的高水平特征。
3.根据权利要求1所述的一种基于SSD架构的电力部件缺陷检测方法，其特征在于：所述步骤(1)中电力部件检测包括计算边界框预测值、计算类别预测值和计算类别置信度。
4.根据权利要求1所述的一种基于SSD架构的电力部件缺陷检测方法，其特征在于：所述步骤(2)中在已标注好的电力部件缺陷训练数据集上学习电力部件缺陷的高水平特征。
5.根据权利要求1所述的一种基于SSD架构的电力部件缺陷检测方法，其特征在于：所述步骤(2)中电力部件缺陷检测包括计算边界框预测值、计算类别预测值和计算类别置信度。
6.根据权利要求1所述的一种基于SSD架构的电力部件缺陷检测方法，其特征在于：所述步骤(4)中检测结果重定位包括重定位边界框预测值、重定位类别预测值和重定位类别置信度。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网山西省电力公司电力科学研究院;山西鸿顺通科技有限公司，未经国网山西省电力公司电力科学研究院;山西鸿顺通科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910306201.7/1.html，转载请声明来源钻瓜专利网。
