[发明专利]基于实例分割的输电线路隐患检测方法

权利要求书

1.一种基于实例分割的输电线路隐患检测方法，其特征在于，包括以下步骤：

S1：采用数据增强技术对自主构建的隐患目标数据集进行扩充，并根据隐患目标的视觉特征，对隐患目标图像数据进行预处理；

S2：构建特征提取网络：

包括根据隐患目标特征对ResNeXt+特征金字塔网络的特征提取网络进行改进；

通过迁移学习的方法将COCO数据集上训练得到的网络参数值作为此网络的初始参数，同时通过缩减卷积网络层级调整特征提取网络的结构；

S3：修改候选窗口分类网络：

利用基于非极大值抑制算法改进的Mask-RCNN模型，对隐患目标进行目标检测和实例分割；

S4：基于分割得到的隐患目标区域，利用图像处理技术检测隐患目标的故障程度，并结合目标检测结果加权得到隐患目标故障程度检测结果；

所述步骤S4隐患目标故障检测的方法包括：

S41：将Mask-RCNN实例分割得到的隐患目标区域图像转换为Cr通道灰度图像；首先对分割获得的图像作形态学优化，然后将分割图像的RGB颜色空间模型转换为YCrCb颜色空间模型，提取分离YCrCb颜色空间三通道的彩色图像，得到Cr通道的灰度图像；

S42：根据大量实验结果确定隐患目标故障缺陷的Cr分量阈值，根据故障缺陷颜色特征对Cr通道灰度图像进行阈值分割；获得故障二值图像后计算其像素点个数，求故障比例，判断隐患目标故障程度；

S43：基于步骤S42中得到的隐患目标故障程度及故障比例，与Mask-RCNN目标检测得到的隐患目标区域锈蚀程度置信度进行加权计算，确定隐患目标故障检测结果。

2.根据权利要求1所述的一种基于实例分割的输电线路隐患检测方法，其特征在于，所述步骤S1采用数据增强技术对自主构建的隐患目标数据集进行扩充的方法包括：

S11：利用无人机在不同拍摄角度、背景环境下采集到的隐患目标图像数据作为输电线路隐患目标数据集；

S12：采用数据增强技术对输电线路隐患目标数据集进行扩充。

3.根据权利要求2所述的一种基于实例分割的输电线路隐患检测方法，其特征在于，所述步骤S1中对隐患目标图像数据进行预处理的方法包括：

S13：利用对输电线隐患目标图像进行针对性的预处理，所述图像预处理方法包括：通过伽马变换法、全局直方图均衡化。

4.根据权利要求1所述的一种基于实例分割的输电线路隐患检测方法，其特征在于，所述步骤S2特征提取网络构建的方法如下：

S21：针对隐患目标特征改进的ResNeXt+FPN特征提取网络，在ResNeXt+FPN的基础上，将在COCO数据集上训练好的网络参数值作为初始参数值进行迁移学习，对特征提取网络的层数进行了缩减；

S22：在第一阶段中网络设置为2个卷积层，第一阶段第一层网络卷积核个数为64，每个卷积核大小为7×7，做卷积时步长设置为2，该层之后连接一个采用线性整流函数的激活函数；第一阶段第二层网络与第一阶段第一层网络的设置相同，并在第一阶段第二层网络与第二阶段网络的中间加上一个最大值池化层，步长设为2；

S23：第二阶段的卷积网络通过重复3个block实现，每个block中包含32个分支，每个分支由三层卷积构成，卷积核大小分别为1×1、3×3和1×1，卷积核个数分别为64、64和256；后面的每一阶段卷积网络，卷积核个数依次翻一倍，其他设置与第二阶段相同；

S24：特征提取网络的最后一阶段设置为两层，第一层的网络层数与前面阶段保持同步；第一层与第二层之间设置一个参数为0.5的Dropout层，防止在训练阶段产生过拟合，连接函数使用线性整流函数激活函数；对于最后一阶段第二层网络，连接一个Softmax函数用于分类任务。