[发明专利]一种基于深度神经网络的输电线路覆冰检测方法

权利要求书

1.一种基于深度神经网络的输电线路覆冰检测方法，其特征在于，包括以下步骤：

S1：构建高压输电线路的实景数据集,对数据集的实景图像进行图像增强并添加标签信息；

S2：使用图像处理技术以提高训练、验证与测试数据集的图像质量；

S3：构建生成候选框的深度卷积神经网络，整个网络包括2个模块：第一个模块使用VGG16主干网络与新增卷积层提取输电线路实景图的不同层级的特征图信息，第二个模块在前一个模块生成的多层的特征图中生成默认候选框以及对应的特征向量，用来进行候选框的坐标偏移量回归任务与候选框预测目标类别的分类任务；

S4：设计Loss函数以获得训练好的高压输电线路覆冰检测模型；

S5：部署训练好的高压输电线路覆冰检测模型到服务器中，对电网的高压输电线路进行检测。

2.根据权利要求1所述的一种基于深度神经网络的输电线路覆冰检测方法，其特征在于，所述步骤S1包括以下子步骤：

S11：将电网部署在输电线路中的摄像头与无人机巡航拍摄的有关输电线路的图像收集起来，构建数据集；

S12：数据增广技术扩充输电线路数据集；

S13：将所有图像数据统一设置成固定尺寸；

S14：采取人工标注的手段对数据集中的图像数据进行逐一标注，使用LabelImg标注工具在图像中设定ground truth，即完成添加标签信息；

S15：采用5:2:3的比例分割数据集：将其分为训练集、验证集和测试集。

3.根据权利要求1所述的一种基于深度神经网络的输电线路覆冰检测方法，其特征在于，所述步骤S2包括以下子步骤：

S21：降低数据集中的图像信息的模糊度，优选的，应用Hessian Regularization方法以降低数据集中的图像信息的模糊度；

S22：使用反锐化掩模法进一步提高输电线路的细节部分锐化程度；

S23：纠正数据集中的图像曝光不足：利用伽马校正的原理进行纠正。

4.根据权利要求1所述的一种基于深度神经网络的输电线路覆冰检测方法，其特征在于，所述步骤S3包括以下子步骤：

S31：候选框生成网络的特征提取模块分为4个阶段，以获取图像中的多层次语义信息：

以VGG16的前5层卷积网络作为第1个阶段；

然后将VGG16中的fc6和fc7两个全连接层转化为两个卷积层Conv6和Conv7，并以Conv7作为模块的第2个阶段；

继续增加Conv8、Conv9、Conv10和Conv11四层卷积层作为模块的第3个阶段；

继续增加Conv9与Conv11为模块的第4个阶段；

其中，低层次的特征图代表底层语义信息，适合对小尺度的线路目标进行识别，高层次的特征图代表高层语义信息，有利于对大尺度的线路目标进行检测；

优选的，在步骤S31中，在每个阶段操作中包含了多个卷积层操作，每个卷积层使用卷积核1*3，3*1的depthwise separable convolution卷积；

S32:候选框生成网络的第二个模块中，4个阶段生成的特征图中的每个网格分配了k个预先定义的不同尺度与比例的候选框，分别用两个3*3卷积核对其进行卷积，得到这k个预设候选框的两个特征值，一个特征值是分类用的(c+1)个类别置信度，包括c个目标类别与1个背景类，另一个特征值用于预测预设候选框的4个坐标偏移量(x，y，w，h)。