[发明专利]一种高压输电线销钉状态检测方法

权利要求书

1.一种高压输电线销钉状态检测方法，其特征在于，包括以下步骤：

S1、构建训练数据集：利用无人机拍摄输电线路铁塔图像，拍摄环境的天气状况包括晴、雨、雪、雾，覆盖所有类型的导线和铁塔连接件、绝缘子和铁塔连接件，利用标注工具标注连接件和螺纹紧固件的外接矩形和类别，类别包括连接件、带销钉的螺纹紧固件、缺失销钉的螺纹紧固件；将标注后的图像分别作为连接件训练数据集和螺纹紧固件训练数据集；

S2、分别构建连接件检测神经网络和螺纹紧固件神经网络，将卷积层定义为Convn，特征金字塔定义为Stagen，n是指卷积层或特征金字塔的层数，连接件检测神经网络依次包括Conv1、最大池化层、Stage2、Stage3、Stage4；特征金字塔输出的张量表示为通道数×高度×宽度的形式，Stage4的输出为256×19×19，Stage3的输出为256×38×38，Stage2的输出为256×76×76；将Stage4的输出输入第一网络分支，第一网络分支包括Stage5和Conv2，第一网络分支的输出为OC×19×19，OC＝3×(5+#classes)，其中，5表示需要预测的5个指标，分别为横坐标、纵坐标、长度、宽度、存在的置信度，#classes为需要检测的类别数；将Stage4的输出通过最近邻插值法，将特征图的分辨率扩大2倍为38×38后，与Stage3的输出融合后输入第二网络分支，第二网络分支包括Stage6和Conv3，第二网络分支的输出为OC×38×38；将将Stage3的输出通过最近邻插值法，将特征图的分辨率扩大2倍为76×76后，与Stage2的输出融合后输入第三网络分支，第三网络分支包括Stage7和Conv4，第二网络分支的输出为OC×76×76；螺纹紧固件神经网络与连接件检测神经网络的结构相同；

S3、采用训练数据集对构建的神经网络进行训练：采用连接件训练数据集对连接件检测神经网络进行训练，螺纹紧固件训练数据对螺纹紧固件神经网络进行训练，训练方法为批量随机梯度下降法，损失函数为均方误差和二值交叉熵函数，最后的总损失为第一网络分支、第二网络分支和第三网络分支的损失之和，采用反向传播算法更新网络的参数，获得训练好的连接件检测神经网络和螺纹紧固件神经网络；

S4、将实时获取的输电线路铁塔图像，输入训练好的连接件检测神经网络，获得连接件区域，定义连接件区域的坐标为(xmin，ymin，xmax，ymax)，根据获得的坐标，计算感兴趣的销钉检测区域为(xmin-δx，ymin-δy，xmax+δx，ymax+δy)，其中δx和δy分别为水平和垂直方向的偏移量，取值为：δx＝(xmax-xmin)/2，δy＝(ymax-ymin)/2；将感兴趣的销钉检测区域输入训练好的螺纹紧固件神经网络，获得销钉状态检测结果。