[发明专利]一种基于无人机巡检的绝缘子图像检测方法

权利要求书

1.一种基于无人机巡检的绝缘子图像检测方法，其特征在于，包括，

步骤一：通过无人机搭载的拍摄设备在巡航时获取航拍图像集；

步骤二：对航拍图像集采用人工标注的方式进行分类并形成多个相关的任务包；

步骤三：通过数据扩增的方式对多个相关的任务包进行扩增，利用扩增后的数据包对绝缘子检测模型进行并行学习训练；

步骤四：在多任务学习训练中，设为验证集上第k任务选取的损失函数值,为训练集上第k任务选取的损失函数值；若训练评估公式计算产生的结果值大于设定的阈值ε，则立即停止继续学习该项辅助任务；训练评估公式如下，h表示多任务学习的迭代步长；med表示多任务学习的求取中位数；

其中δ_k(·)表示第k个任务训练过程中产生的损失的相对下降速率；t表示当前训练过程进行的迭代总次数；T表示均衡因子，用于控制对任务加权处理的加权大小；

步骤五：通过定量分析和对比实验结果，验证绝缘子检测中的有效性。

2.根据权利要求1所述的绝缘子图像检测方法，其特征在于：所述步骤二中，所述人工标注的方式包括3类，依次为绝缘子分割标注、绝缘子包围框标注和图片背景属性标注；将所述绝缘子分割标注作为主任务，将绝缘子包围框标注和图片背景属性标注作为辅助任务；在辅助任务开始过拟合训练集并抑制主任务收敛之前，停止训练辅助任务。

3.根据权利要求2所述的绝缘子图像检测方法，其特征在于：所述绝缘子检测模型是在COCO数据集上进行预训练获得。

4.根据权利要求2所述的绝缘子图像检测方法，其特征在于：在所述步骤二中，将获得的数据在网络结构上构建特征金字塔，将高维度特征与低维度特征进行融合。

5.根据权利要求2所述的绝缘子图像检测方法，其特征在于：对输出结果采用腐蚀膨胀算法进行结果优化。

6.根据权利要求1所述的绝缘子图像检测方法，其特征在于：所述步骤二在进行人工标注前，通过数据扩增的方式将无人机拍摄的所有的绝缘子图像经随机裁剪划分为三个不同的集合，即训练集、验证集和测试集。

7.根据权利要求4所述的绝缘子图像检测方法，其特征在于：构建特征金字塔的过程如下：

1)首先采用自底而上的特征通道实现主干卷积神经网络的前馈计算，用于生成缩放步长为2、逐步缩小的特征图；

2)在自底而上的特征通道前馈计算过程中，将产生尺寸相同的特征映射层的卷积层归为特征金字塔的同阶段层；进一步，将每个阶段层的最后一层的输出作为对应阶段层的输出；定义每个阶段层的输出为{C1,C2,…,Cn}，其相对于输入缩小2倍；

3)通过对自顶而下每个阶段层的特征进行2倍的上采样，使自顶而下的特征通道能够产生空间信息粗糙但图像语义信息强烈的特征；

4)将自顶而下分辨率较低的特征映与自底而上阶段层的输出中大小相同的特征映射按元素相加，从而实现高低维度特征的融合。

8.根据权利要求5所述的绝缘子图像检测方法，其特征在于：采用腐蚀膨胀算法进行结果优化步骤如下：

1)先采用n次腐蚀算法腐蚀短的误检线段使其消失，同时考虑到在采用腐蚀算法对误分割区域进行腐蚀修正的过程中，原本已经正确分割的区域也会被腐蚀到，因此在每一个绝缘子图像块中绝缘子所占的区域与误分割区域段所占的区域相比要大很多；

2)在采用n次腐蚀算法后，绝缘子图像块中的误分割区域段消失，而保留下来绝缘子图像块中的正确分割区域；

3)然后再对每一个绝缘子图像块采用n次膨胀算法，该算法用来还原被腐蚀算法腐蚀过的所有区域，最终经腐蚀算法和膨胀算法后得到了去除误分割区域段的绝缘子检测的优化结果。

9.根据权利要求1所述的绝缘子图像检测方法，其特征在于：采用定量分析和对比实验结果所用参数如下：

1)DSC(Dice Similarity Coefficient)，相似系数是用来评价对无人机拍摄的图像分别进行手工分割和自动分割的情况下的图像分割重复率的指标，DSC值越大，检测精度越高，其公式为：

上式中：TP表示绝缘子像素点被正确预测的个数；FP表示绝缘子像素点被错误预测的个数；FN表示背景像素点被错误预测的个数。

2)PPV(Positive Predictive Value)，阳性预测值是指无人机拍摄的图像中绝缘子点被分割正确的个数与对图像进行分割产生的结果为绝缘子点的个数的比值，PPV值越大，误检率越低，其公式为：

3)Sensitivity，灵敏度是指无人机拍摄的图像中绝缘子点被分割正确的个数与该图像中真值绝缘子点的个数的比值，Sensitivity值越大，召回率越高，其公式为：