[发明专利]一种基于YOLOv3-tiny算法的绝缘子红外图像故障检测方法

权利要求书

1.一种基于 YOLOv3-tiny 算法的绝缘子红外图像故障检测方法，其特征在于其包括如下步骤：

S1：对大样本外绝缘设备红外通道数据进行图像预处理以扩充训练样本；

S2：采用K-means聚类算法进行标注框的聚类分析，确定边界框的大小；

S3：基于YOLOv3-tiny的评判机制和大样本红外通道数据进行模型训练；

S4：将待检测的红外通道图像输入上一步所得模型中进行识别诊断。

2.根据权利要求1所述的一种基于 YOLOv3-tiny 算法的绝缘子红外图像故障检测方法，其特征在于在S1中，图像预处理包括随机调整饱和度、调整曝光度、调整色调来生成更多的训练样本。

3.根据权利要求1所述的一种基于 YOLOv3-tiny 算法的绝缘子红外图像故障检测方法，其特征在于在S2中，依据数据集样本特征设定网络节点输出的标准尺寸，采用K-means聚类算法进行标注框的聚类分析，确定边界框的大小。

4.根据权利要求1或3所述的一种基于 YOLOv3-tiny 算法的绝缘子红外图像故障检测方法，其特征在于采用K-means聚类算法进行标注框的聚类分析的具体步骤包括：

将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心，聚类中心以及分配给它们的对象就代表一个聚类；

每分配一个样本，聚类的聚类中心根据聚类中现有的对象被重新计算；不断重复直到满足终止条件。

5.根据权利要求4所述的一种基于 YOLOv3-tiny 算法的绝缘子红外图像故障检测方法，其特征在于终止条件为没有对象被重新分配给不同的聚类，没有聚类中心再发生变化，误差平方和局部最小。

6.根据权利要求4所述的一种基于 YOLOv3-tiny 算法的绝缘子红外图像故障检测方法，其特征在于终止条件为最小数目对象被重新分配给不同的聚类，没或最小数目聚类中心再发生变化，误差平方和局部最小。

7.根据权利要求4所述的一种基于 YOLOv3-tiny 算法的绝缘子红外图像故障检测方法，其特征在于所述k=6，经过预处理扩充样本后的图像样本集的标准框尺寸经过K-means聚类算法处理后确定为[105,153]，[114,43]，[33,78]， [52,25]，[22,34]， [16,15]。

8.根据权利要求1所述的一种基于 YOLOv3-tiny 算法的绝缘子红外图像故障检测方法，其特征在于在S3中，YOLOv3-tiny是一个轻量化目标检测网络，总共有24个网络层，2个yolo层，分别是大小为13×13的yolo16和大小为26×26的yolo23。

9.根据权利要求1或8所述的一种基于 YOLOv3-tiny 算法的绝缘子红外图像故障检测方法，其特征在于在S3中，模型训练包括如下步骤：

依据劣化绝缘子的红外特征确立若干个网络节点输出尺寸；

依据训练图像的大小调节参数，放缩所述图像，依据所述网络节点选择Batch_size，通过前向传播和后向传播迭代进行训练，当训练达到最优IoU及最低LOSS值时，保存权重并退出训练；其中IoU表示图像处理的交并比；LOSS表示网络实际输出值与样本标签值之间的偏差；Batch_size表示一次训练所选取的样本数。

10.根据权利要求1所述的一种基于 YOLOv3-tiny 算法的绝缘子红外图像故障检测方法，其特征在于S4的诊断识别包括如下步骤：

通过下采样尺度设定6种不同尺寸的先验框；

采用尺寸较大的三个所述先验框对13×13的特征图进行特征检测提取，采用尺寸较小的三个所述先验框对26×26的特征图进行特征检测提取，

采用2个YOLO输出层分别对各自前一层的特征库进行解析，输出诊断预测信息和预测置信度，输出2个尺寸的IoU值；

通过横向比较不同尺寸下IoU值，完成红外诊断识别。