[发明专利]基于图像增强的输电线路细小金具缺陷检测方法及系统

权利要求书

1.基于图像增强的输电线路细小金具缺陷检测方法，其特征在于：包括：

将无人机飞行器航拍获取的输电线路图像导入细小金具缺陷检测系统中；

细小金具缺陷检测系统基于单图像超分辨率技术对输电线路图像进行图像增强处理，获得超分辨率图像；

细小金具缺陷检测系统基于超分辨率图像进行特征图提取；

细小金具缺陷检测系统基于特征图进行细小金具目标定位，用于确定包含细小金具的识别区域的位置和大小；

细小金具缺陷检测系统对识别区域内的细小金具目标缺陷进行检测。

2.根据权利要求1所述的基于图像增强的输电线路细小金具缺陷检测方法，其特征在于：所述细小金具缺陷检测系统基于单图像超分辨率技术对输电线路图像进行图像增强处理，采用训练好的增强型超分辨率生成对抗网络ESRGAN，其中，ESRGAN模型训练时：

基于导入的训练图像进行下采样获取对应的低分辨率图像；

将低分辨率图像输入生成网络中获取超分辨率图像，以原始的训练图像为标签数据计算生成网络的损失函数值，当生成网络的损失函数值小于0.1时，停止生成网络的训练；

将超分辨率图像和原始的训练图像输入判别网络中获取原始的训练图像比超分辨率图像更真实的概率，当判别网络的损失函数值小于0.1时，停止判别网络的训练；

ESRGAN模型进行待检测图像增强处理时：将导入的输电线路图像输入到ESRGAN模型的生成网络中获得对应的超分辨率图像。

3.根据权利要求2所述的基于图像增强的输电线路细小金具缺陷检测方法，其特征在于：所述ESRGAN模型的训练过程采用小批量随机梯度下降优化方式对损失函数值进行优化，对网络参数迭代更新。

4.根据权利要求1所述的基于图像增强的输电线路细小金具缺陷检测方法，其特征在于：所述基于超分辨率图像进行特征图提取，采用FPN特征金字塔算法先通过卷积网络获得输入图像的多层尺度不同的特征图，并基于多层尺度不同的特征图进行特征信息融合获得多个融合特征图。

5.根据权利要求4所述的基于图像增强的输电线路细小金具缺陷检测方法，其特征在于：所述基于特征图进行细小金具目标定位采用RPN网络；

其中，在RPN网络训练时，将输电线路图像上的细小金具用标注框标注；

对每一层特征图上增加两个1*1卷积层，分别用于确定识别区域内是否具有细小金具目标，以及包含细小金具目标的识别区域与标注框的位置偏移量；

当识别区域与标注框的重叠面积大于第一预设值时，将该识别区域作为训练数据的正样本，当识别区域与标注框的重叠面积小于第二预设值时，该识别区域作为训练数据的负样本；

样本输入RPN网络后，其中一个1*1卷积层获取识别区域内具有细小金具目标的概率值，并将概率值大于第三预设值的识别区域信息输出；

基于概率值大于第三预设值的识别区域信息，结合另一个1*1卷积层输出的识别区域与标注框的位置偏移量，过滤掉概率值小于第三预设值的识别区域，以及面积太小和超出边界的识别区域；

在采用RPN网络进行细小金具目标定位时，输出识别区域具有细小金具目标的概率值大于第三预设值的识别区域信息。

6.根据权利要求5所述的基于图像增强的输电线路细小金具缺陷检测方法，其特征在于：所述识别区域与标注框的重叠面积大于第一预设值，为识别区域与标注框区域的交并比Iou大于0.7；所述识别区域与标注框的重叠面积大于第一预设值，为识别区域与标注框区域的交并比Iou小于0.3；所述第三预设值为0.5。