[发明专利]一种输电线路防震锤目标检测与缺陷识别方法及装置

权利要求书

1.一种输电线路防震锤目标检测与缺陷识别方法，其特征在于，包括以下步骤：

通过图像采集装置获取防震锤图片；

对防震锤图片进行预处理得到预处理图片；

构建特征提取模块、特征增强模块和像素级预测模块；

对特征提取模块、特征增强模块和像素级预测模块进行连接优化，建立训练模型；

将预处理图片输入训练模型中进行测试，实现对预处理图片中防震锤的目标检测和识别。

2.根据权利要求1所述的方法，其特征在于，所述通过图像采集装置获取防震锤图片，具体包括：采用无人机和摄像装置相结合的拍摄方式，对输电线路上的防震锤进行拍摄得到防震锤图片。

3.根据权利要求1所述的方法，其特征在于，所述对防震锤图片进行预处理得到预处理图片；具体包括：对防震锤图片进行裁剪、旋转和缩放得到预处理图片。

4.根据权利要求1所述的方法，其特征在于，还包括，建立图片数据库，所述图片数据库为根据防震锤的缺陷规则建立图片数据库；其中防震锤的缺陷规则分为防震锤正常、防震锤锈蚀、防震锤锈蚀且破损；并且通过labelimg标注工具进行目标的标注；并将图片数据库中的数据集，分为训练集、测试集和验证集。

5.根据权利要求1所述的方法，其特征在于，所述构建特征提取模块；具体包括：

结合深度可分离卷积，分组卷积和深度可分离通道卷积的概念，提出分组模块和分组通道模块，将两个分组通道模块和一个分组模块进行组合，得到轻量型特征提取网络；输入图像经过特征提取网络，构建多尺度的特征融合结构；多尺度特征融合结构和轻量型特征提取网络共同构建特征提取模块。

6.根据权利要求1所述的方法，其特征在于，所述构建特征增强模块，包括通道增强模块和空间增强模块，将通道增强模块和空间增强模块通过串联的方式来组合成一个特征增强模块。

7.根据权利要求1所述的方法，其特征在于，所述构建像素级预测模块；将特征增强模块的增强特征经过两个并行的卷积分支，分别形成分类函数和回归函数，其中分类函数用于预测图片的每个像素点的分类结果，回归函数用于预测每个像素点到边界框的参数。

8.根据权利要求1所述的方法，其特征在于，所述对特征提取模块、特征增强模块和像素级预测模块进行连接优化，建立训练模型；具体包括：

把特征提取模块、特征增强模块和预测模块进行连接；

将预处理图片的数据信息输入至训练模型中，得到对应图片的防震锤边界框及分类信息；

为预测值设置目标函数；

利用训练数据输进网络通过对目标函数进行优化；实现端对端的训练。

9.根据权利要求1所述的方法，其特征在于，所述对训练模型进行测试，实现对预处理图片中防震锤的目标检测和识别，具体包括：

利用Tensorflow训练模型，并将训练模型固化，去除多余的参数，通过固化后的模型对预处理图片进行目标检测和缺陷识别。

10.根据权利要求1-9中任一所述的方法提出一种输电线路防震锤目标检测与缺陷识别装置，其特征在于，包括：

图像采集单元，用于获取防震锤图片；

图像预处理单元，用于对防震锤图片进行预处理得到预处理图片；

模块构建单元，用于构建特征提取模块、特征增强模块和像素级预测模块；

训练模型单元，用于对特征提取模块、特征增强模块和像素级预测模块进行连接优化，建立训练模型；

检测识别单元，用于将预处理图片输入训练模型中进行测试，实现对预处理图片中防震锤的目标检测和识别。