[发明专利]一种输电线路检测方法和服务器

权利要求书

1.一种输电线路检测方法，其特征在于，包括：

接收来自输电线采集设备的当前时刻的输电线路图像以及前一时刻的输电线路图像；

将所述当前时刻的输电线路图像和前一时刻输电线路图像输入到预先训练好的孪生网络中；

端到端神经网络接收所述当前时刻的输电线路图像，以及根据所述孪生网络的输出结果和所述当前时刻的输电线路图像，得到至少一个目标图像和所述目标图像对应的输电线路的隐患类型，具体为：所述孪生网络与所述端到端神经网络并行工作，且两个网络会共用一个感兴趣区域池化层，所述孪生网络将变化区域发送给所述端到端神经网络的感兴趣区域池化层，所述变化区域为所述当前时刻的输电线路图像与所述前一时刻输电线路图像不同的图像特征；其中，目标图像包含输电线路的隐患信息；

所述端到端神经网络根据所述输电线路的隐患类型，将各所述目标图像发送给相应的预先训练好的校验神经网络；

所述校验神经网络判断所述目标图像是否能够表征所述目标图像对应的输电线路的隐患类型。

2.根据权利要求1所述的方法，其特征在于，所述端到端神经网络根据所述孪生网络的输出结果和所述当前时刻的输电线路图像，得到至少一个目标图像和所述目标图像对应的输电线路的隐患类型，具体包括：

所述端到端神经网络的感兴趣区域池化层获取从所述当前时刻的输电线路图像中提取到的图像特征；

所述端到端神经网络的感兴趣区域池化层根据预设的隐患类型，对所述孪生网络得到的图像特征和所述端到端神经网络提取到的图像进行分类，得到至少一个所述目标图像和各所述目标图像对应的隐患类型。

3.根据权利要求1所述的方法，其特征在于，在所述将各所述目标图像发送给相应的预先训练好的校验神经网络之前，所述方法还包括：

获取第一训练样本和第二训练样本，其中，所述第一训练样本为与隐患图像数据相似度超过预设阈值的非隐患图像数据，所述第二训练样本为隐患图像数据；

以所述第一训练样本和所述第二训练样本为输入，训练所述校验神经网络。

4.根据权利要求3所述的方法，其特征在于，在所述校验神经网络判断所述目标图像是否能够表征所述目标图像对应的输电线路的隐患类型之后，所述方法还包括：

对所述校验神经网络的判断结果进行检测，确定误判数据，所述误判数据用于指示所述校验神经网络将与所述非隐患图像数据当作所述隐患数据；

获取所述误判数据对应的图像数据；

将所述误判数据对应的图像数据加入所述第一训练样本，以更新所述第一训练样本；

利用所述更新的第一训练样本对所述校验神经网络进行增量训练。

5.一种输电线路检测服务器，其特征在于，包括：接收模块、孪生网络、端到端神经网络和校验神经网络；

所述接收模块用于接收来自输电线采集设备的当前时刻的输电线路图像以及前一时刻的输电线路图像；

训练好的所述孪生网络用于接收来自所述接收模块的所述当前时刻的输电线路图像和前一时刻输电线路图像；

所述端到端神经网络用于接收来自所述接收模块的当前时刻的输电线路图像，以及根据所述孪生网络的输出结果和所述当前时刻的输电线路图像，得到至少一个目标图像和所述目标图像对应的输电线路的隐患类型，具体为：所述孪生网络与所述端到端神经网络并行工作，且两个网络会共用一个感兴趣区域池化层，所述孪生网络将变化区域发送给所述端到端神经网络的感兴趣区域池化层，所述变化区域为所述当前时刻的输电线路图像与所述前一时刻输电线路图像不同的图像特征；其中，目标图像包含输电线路的隐患信息；根据所述输电线路的隐患类型，将各所述目标图像发送给相应的预先训练好的所述校验神经网络；

所述校验神经网络用于判断所述目标图像是否能够表征所述目标图像对应的输电线路的隐患类型。

6.根据权利要求5所述的服务器，其特征在于，

所述端到端神经网络的感兴趣区域池化层还用于获取从所述当前时刻的输电线路图像中提取到的图像特征；根据预设的隐患类型，对所述孪生网络得到的图像特征和所述端到端神经网络提取到的图像进行分类，得到至少一个所述目标图像和各所述目标图像对应的隐患类型。