[发明专利]一种基于边缘注意力机制融合网络的高压线检测方法

说明书

本发明公开了一种基于边缘注意力机制融合网络的高压线检测方法，步骤如下：1)网络读取本地保存好的参数权重；2)，网络自动对输入的待检测的高压线图像进行处理操作，分成两个处理路径，并使用卷积模块提取图像的特征信息，接着使用特征融合模块进行融合操作；3)在特征融合模块处理之后，对特征图进行双线性插值操作恢复到原图尺寸大小，然后进行二分类操作，最后输出一张二值的预测标签图，判断图像的每一个像素是否属于高压线。本发明有效地解决语义分割网络的高压线检测不精确问题，能够精确地检测图像中的高压线位置信息；并且，采用的语义分割网络能有效地解决弯曲高压线的检测问题。

技术领域

本发明涉及一种高压线检测方法，尤其涉及一种基于边缘注意力机制融合网络的高压线检测方法。

背景技术

目前，随着低空空域的逐渐开放，低空作业的直升机和无人机在各行业领域中得到广泛关注和应用；特别是随着直升机以及无人机在低空复杂环境下执行任务的需求不断增长，对保障直升机以及无人机在低空复杂环境的安全需求也越来越迫切。在各类障碍物中，高压线位置较高，尺寸纤细，现有检测设施很难发现，是低空飞行的最危险障碍物之一。据报道，与高压线发生碰撞事故而损毁的直升机数量比战争中损毁的直升机数量多得多。因此，高压线障碍的快速精确检测对直升机以及无人机提升预警距离，预留充足的避障时间，避免碰撞事故的发现具有重要的意义。

常用于帮助直升机或者无人机避免碰撞高压线的方法是给高压线安装航空警示球。虽然航空警示球可以帮助航空器检测高压线，但它的安装步骤繁琐耗时，根本不可能给所有的高压线都安装航空警示器，并且它也只能起到警示的作用，不能精确检测高压线的位置。同时，传统的高压线检测方法通常都是默认把高压线当作直线来进行检测，但由于重力等问题，高压线也存在弯曲的情况，由此导致传统的高压线检测方法性能不佳。因此，研发一种快速有效的高压线精确检测方法是很有必要的。

发明内容

为了解决上述技术所存在的不足之处，本发明提供了一种基于边缘注意力机制融合网络的高压线检测方法。

为了解决以上技术问题，本发明采用的技术方案是：一种基于边缘注意力机制融合网络的高压线检测方法，步骤如下：

1)网络读取本地保存好的参数权重

网络经过有监督训练完毕之后，参数已经固定不变，并且会在本地保存一个参数权重模型数据，需要进行高压线检测时，网络重新从本地的参数权重模型数据中读取参数权重，加载在网络中；

2)输入一张待检测的高压线图像

输入一张待检测的高压线图像给网络，网络自动对图像进行处理操作，网络的处理操作具体是：将图像分成两个处理路径，并使用卷积模块提取图像的特征信息，接着使用特征融合模块对所提取的深层语义信息和浅层空间位置信息进行融合操作；

3)输出一张二值的预测标签图

由于卷积模块提取图像的特征信息时，会缩小图像的尺寸，因而在特征融合模块处理之后，对特征图进行双线性插值操作恢复到原图尺寸大小，然后进行二分类操作，判断图像的每一个像素是否属于高压线，最后输出一张二值的预测标签图。

进一步地，对于输入的待检测图像，两个处理路径的具体处理过程为：

上方的处理路径是对输入的待检测图像进行三个连续的下采样卷积操作，每个卷积模块会让输入图像的尺寸变为原来的一半，经过三个下采样卷积操作后，输出的特征图尺寸为原输入图像的1/8，该路径是为了保留图像的浅层空间位置信息；

下方的处理路径是对输入的待检测图像进行五个连续的下采样卷积操作，同理，输出的特征图尺寸为原输入图像的1/32，该路径是为了增大网络的感受野，使网络获得更高级的语义信息，更高级的语义信息即表示深层语义信息。