[发明专利]一种基于深度学习的高压电线结冰区域检测方法

权利要求书

1.一种基于深度学习的高压电线结冰区域检测方法，其特征在于，包括以下步骤：

1)利用高压电线杆上的摄像头采集高压电线图片作为样本图片，然后对样本图片进行预处理，根据所有样本图片构建分类数据集和电线边界关键点数据集；

2)建立深度分类网络并进行训练和测试；

3)建立深度检测网络并进行训练和测试；

4)将待测图片预处理后输入步骤2)的深度分类网络进行类别判定，若分类网络判断待测图片异常，输出警告信息，若深度分类网络判断待测图片正常，将待测图片输入步骤3)的深度检测网络获取电线结冰区域边界关键点的坐标值；

所述步骤3)具体为：

3.1)构建包括输入层、两个卷积层、四个卷积模块、两个全连接层和输出层的深度检测网络；

输入层经第一个卷积层后输入第一个卷积模块，第一个卷积模块的输出依次经第二个卷积模块、第三个卷积模块输入第四个卷积模块，第四个卷积模块依次经第一个全连接层、第二个全连接层后从输出层输出；

第一个卷积模块和第四个卷积模块包括三个卷积层、一个连接层和一个最大池化层，其中第二个卷积层和第三个卷积层为两个并行的卷积层，第一个卷积层的输出分别输入两个并行的卷积层，两个并行的卷积层的输出结果经连接层后沿通道方向进行堆叠产生新的特征图，最后经最大池化层输出；第二个卷积模块在第一个卷积模块基础上去除了最大池化层，第三个卷积模块在第四个卷积模块基础上去除了最大池化层；

3.2)将步骤1)构建的电线边界关键点数据集送入深度检测网络，采用Adam优化算法训练深度检测网络，直到网络的误差达到最小值；其中，损失函数使用最小平方差损失函数，学习率的初始值设置为0.001，衰减步长设置为500步，衰减率设置为0.9。

2.根据权利要求1所述的一种基于深度学习的高压电线结冰区域检测方法，其特征在于，所述步骤1)和步骤4)中的预处理为：截取图片底部五分之一高度的图片，并缩放至设定尺寸。

3.根据权利要求1所述的一种基于深度学习的高压电线结冰区域检测方法，其特征在于，所述步骤1)具体为：

将预处理后的样本图片分为正常类图片和异常类图片；正常类图片为在摄像机正常运转情况下拍摄到的高压电线图片，其中包括结冰后的高压电线图片，赋予正常类图片标签1；异常类图片为摄像头内部故障或摄像头镜头结冰情况下拍摄到的高压电线图片，赋予异常类图片标签0；所有分类后的样本图片及其标签构成分类数据集；

将正常类图片中电线结冰区域的左上、右上、右下、左下四个边界关键点的坐标值进行标注，所有标注后的正常类图片构成电线边界关键点数据集。

4.根据权利要求1所述的一种基于深度学习的高压电线结冰区域检测方法，其特征在于，所述步骤2)具体为：

2.1)构建包括输入层、三个卷积模块、一个一维数据转换层、两个全连接层、一个Dropout层和输出层的深度分类网络；输入层依次经第一个卷积模块、第二个卷积模块和第三个卷积模块连接至一维数据转换层，一维数据转换层用于将输入数据转换为一维数据，一维数据转换层的输出依次经第一个全连接层、Dropout层和第二个全连接层处理后产生二分类输出；

每个卷积模块包括两个依次连接的卷积层和最大池化层；

2.2)将步骤1)构建的分类数据集送入深度分类网络，采用Adam优化算法训练深度分类网络，直到网络的误差达到最小值；其中，损失函数使用交叉熵损失函数，学习率的初始值设置为0.001，衰减步长设置为300步，衰减率设置为0.9。