[发明专利]基于深度学习与聚类的输电线路绝缘子缺失的检测方法

权利要求书

1.一种基于深度学习与聚类的输电线路绝缘子缺失的检测方法，包括下列步骤：

(1)制作数据集：将采集的输电线路巡检图像进行预处理，分为训练集、验证集和测试集，对于其中存在绝缘子缺失的区域进行标注。

(2)设计初始候选框：选用的训练网络是Faster-RCNN，设置初始候选框首先应该提取训练集中所有绝缘子缺失目标的尺寸信息，对绝缘子缺失目标的尺寸信息使用K-means聚类算法进行聚类，来获得绝缘子缺失目标的普遍尺寸，该绝缘子缺失目标类的普遍尺寸信息即设置为网络初始候选框；

(3)训练检测模型，包括下列步骤：

1)设置初始的训练和测试参数；

2)将把准备好的训练数据及对应标签输入到Faster-RCNN网络中训练，对整张图片输进CNN网络，得到特征图；卷积特征输入到区域生成网络RPN(RegionProposalNet)中，生成建议框(predictedbox)及对应的特征信息；对建议框(predictedbox)提取出的特征，使用分类器判别是否属于绝缘子缺失这一类；对于属于绝缘子缺失目标类的建议框(predictedbox)，用回归器进一步调整其位置；

3)通过使用交叉优化的策略，训练得到一个针对绝缘子缺失的检测模型；

(4)测试网络：把测试数据集输入到已训练好的网络中进行绝缘子缺失检测，通过区域生成网络RPN网络筛选出要进入后续ROIPooling层的建议框(predictedbox)，即测试集中潜在的感兴趣的绝缘子缺失目标位置，此步骤中使用聚类算法设置的初始候选框对输出的建议框进行约束；最后对得到的建议框进行非极大值抑制操作，便得到最终的绝缘子缺失目标框。