[发明专利]基于Faster RCNN的输电线路环境中异物识别方法、系统及计算机可读存储介质

权利要求书

1.基于Faster RCNN的输电线路环境中异物识别方法，其特征在于，包括步骤：

(1)构建训练样本：获取包含异物的输电线路环境图像，将图片中的异物的边框坐标标出，并给每个边框添加分类标签，得到样本图像；

(2)搭建Faster RCNN网络模型，利用样本图像训练Faster RCNN网络模型，直至损失函数的值达到预设的阈值条件；

(3)重新采集输电线路环境图像，将新采集的输电线路环境图像输入训练好的FasterRCNN网络模型中，得到图像中异物的分类结果。

2.根据权利要求1所述的基于Faster RCNN的输电线路环境中异物识别方法，其特征在于，所述异物包括施工车辆、飞鸟和漂浮物。

3.根据权利要求1所述的基于Faster RCNN的输电线路环境中异物识别方法，其特征在于，所述Faster RCNN网络模型包括特征提取网络、区域生成网络和目标检测器；特征提取网络提取输入的输电线路环境图像的特征图像feature map；区域生成网络根据特征图像feature map生成异物候选框；目标检测器中的ROI池化层将异物候选框映射到特征图像feature map上，得到每个异物候选框的低维特征；这些低维特征送入目标检测器的全连接层进行回归和分类，得到异物的边框坐标和分类结果。

4.根据权利要求1所述的基于Faster RCNN的输电线路环境中异物识别方法，其特征在于，所述损失函数为：

其中，Img_in表示输入图像，N_cls为前景总数，p_i表示预测出第i个异物候选框对应类别的概率，为预测出第i个异物候选框为对应的真实边框的概率，t_i表示第i个异物候选框的坐标信息，为对应的真实边框的坐标信息；为分类损失函数，为边框回归损失函数，λ为平衡参数。

5.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行时，所述处理器通过权利要求1至4任意一项所述的训练好的FasterRCNN网络模型识别输电线路环境图像中的异物。

6.基于Faster RCNN的输电线路环境中异物识别系统，其特征在于，包括：图像采集模块和处理器；其中，图像采集模块采集输电线路环境图像后发送给处理器，处理器内存储有计算机可执行指令，处理器执行所述计算机可执行指令时，通过权利要求1至4任意一项所述的训练好的Faster RCNN网络模型识别接收到的输电线路环境图像中的异物。