[发明专利]一种高压电力线鸟巢检测方法、系统及机器可读介质

权利要求书

1.一种高压电力线鸟巢检测方法，其特征在于，包括：

步骤一，获取高压电力线图像，进行高压电力线图像进行数据标注，标注出鸟巢所在坐标位置，获得用于训练鸟巢检测模型的数据集；

步骤二，对数据集进行图像归一化处理，搭建一个基于深度学习的鸟巢位置识别网络；

步骤三，将数据集中的高压电力线图像分别输入到识别网络进行训练，获取用于检测鸟巢位置信息的检测模型；

步骤四，将检测模型移植至嵌入式设备系统上；

步骤五，输入待检测的高压电力线图像，进行去雾处理；

步骤六，通过检测模型对输入图像进行目标检测，输出鸟巢在高压电力线图像中的坐标位置。

2.根据权利要求1所述的高压电力线鸟巢检测方法，其特征在于，

进行数据标注的步骤包括：对采集的高压电力线图像中的鸟巢位置进行框选，记录提取鸟巢的位置信息，且记录位置信息格式为：

[xmin,ymin,xmax,ymax]

其中，xmin、ymin分别为鸟巢矩形的真实目标框在图像中的左上角x、y坐标值，xmax、ymax分别为真实目标框在图像中的右下角x、y坐标值。

3.根据权利要求2所述的高压电力线鸟巢检测方法，其特征在于，对数据集进行图像归一化处理的过程中目标框与高压电力线图像的坐标关系表达为：

其中，(c_x,c_y)为目标框中心坐标；w_b,h_b为目标框的宽和高；w_img，h_img为高压电力线图像的宽和高；(x_min,y_min，x_max，y_max)为第k层特征图上中心坐标为目标框占高压电力线图像的比例大小为w_k，h_k的候选框映射到输入图像的真实目标框坐标。

4.根据权利要求3所述的高压电力线鸟巢检测方法，其特征在于，所述基于深度学习的鸟巢位置识别网络包括SSD网络模型，并利用SSD网络模型的位置拟合函数拟合出鸟巢在图像中的坐标位置，在拟合过程中，存在区域预测框及真实目标框，当区域预测框与真实目标框之间的差值偏差太大时，运用损失函数通过所述区域预测框与所述真实目标框之间的差值来计算总的损失度和梯度，并将梯度传递到每一层的卷积神经网络以更新每层的权重参数，当总损失量接近于0时，获得了最优权重参数，损失函数的数学表达为：

SSD网络模型的位置拟合函数数学表达为：

其中，四维数组(x,y,w,h)为物体的位置坐标，(x,y)为物体中心，w,h为物体的宽高；i,j分别表示第i个区域预测框与第j个真实框匹配，此时否则表示真实目标框在(x,y,w,h)四个维度下与区域预测框的偏移量；表示真实目标框；l表示网络预测偏移量；d表示区域预测框；k表示对应的类别。