[发明专利]一种基于深度学习的输电线路目标检测与监控方法

权利要求书

1.一种基于深度学习的输电线路目标检测与监控方法，其特征在于,步骤如下:

(1)通过输电线路现场的监控拍摄设备采集特定目标的图像；

(2)按3:7～5:5的正负样本比例，对步骤(1)图像进行筛选，挑选角度合适的图像，删除无目标或者不清晰的图像，正样本即含有特定目标的图像，负样本为不含有特定目标的图像；

(3)通过LabelImg工具对筛选出来的图像中的特定目标进行标注，并将图像分为训练集、验证集、测试集；

(4)在模型训练之前对图像样本进行扩增，采用缩放、旋转、裁剪或翻转的方式对图像进行扩增；

(5)用改进的Huge-YOLO v3在Darknet深度学习框架上构建模型；

(6)基于构建的模型，并借助GPU Nvidia GTX 1080 Ti硬件环境进行训练；训练过程中不断调整参数，优化损失函数loss的值达到最小，根据loss下降变化保存不同模型，通过准确度、召回率、IoU、mAP评估指标来进行综合判断，选取收敛拟合效果最佳的模型作为检测和监控模型；

(7)将待检测的图像输入已训练好的检测和监控模型中，对图像特定目标的类别和位置，以及该目标的可信度经过模型推理识别，对有潜在危害的特定目标出现时，通过报警系统将预警信息发送给相关输电线路巡检工作人员，巡检工作人员根据实际情况予以处理。

2.根据权利要求1所述的基于深度学习的输电线路目标检测与监控方法，其特征在于：Huge-YOLO v3的改进是指将输入图像尺寸由416×416×3改为832×832×3，在主干结构Darknet-53上增加网络层，分别提取104×104、52×52、26×26、13×13四种特征图；并采用自适应特征融合方式对四层特征图进行融合，并得到融合后的特征，公式表示如下：

其中y为融合特征，l为分辨率特征层，ij表示特征映射上位置(i，j)处的特征向量，a、β、γ、λ为空间权重参数。