[发明专利]一种基于深度学习的输电线路覆冰厚度检测方法

权利要求书

1.一种基于深度学习的输电线路覆冰厚度检测方法，其特征在于，该检测方法包括以下步骤：

步骤一、获取输电线路覆冰图像数据集；

步骤二、对步骤一获取的输电线路覆冰图像数据集进行训练，得到三分类的语义分割模型；

步骤三、使用步骤二得到的三分类的语义分割模型对待检测输电线路覆冰图像进行分割，输出三分类输电线路覆冰图像；

步骤四、使用OpenCV对步骤三输出的三分类输电线路覆冰图像进行接口处理，提取输电线路的轮廓点集和覆冰层的轮廓点集；

步骤五、根据步骤四提取的输电线路的轮廓点集和覆冰层的轮廓点集计算出待检测输电线路覆冰图像中覆冰层厚度；

步骤五中计算出待检测输电线路覆冰图像中覆冰层厚度的具体步骤为：

步骤五一、使用OpenCV计算出输电线路轮廓点集的最小外接矩形，该最小外接矩形即为输电线路边缘轮廓，同时可得到该最小外接矩形相对图像水平位置的偏置角度、矩形中心点坐标(X,Y)、矩形宽高(W,H)；偏置角度用于作为输电线路旋转的依据，使图像中的输电线路相对图像处于水平位置；

步骤五二、根据步骤五一得到的矩形中心坐标(X,Y)、矩形宽高(W,H)，计算输电线路的上下边缘像素点；记上边缘UP＝Y-H/2，下边缘LOW＝Y+H/2；

步骤五三、分别计算输电线路上下边缘的最大覆冰像素值；记图像的水平方向为X轴，垂直方向为Y轴，从输电线路的最左侧像素点开始扫描，计算出该像素点对应的Y轴方向覆冰层的总像素值，重复该步骤分别计算输电线路上下边缘每一个像素点对应的Y轴方向覆冰层的总像素值，然后分别取上下边缘的最大总像素值，作为输电线路上下边缘的覆冰像素值，记为UP_ICE_DPT、LOW_ICE_DPT；

步骤五四、计算输电线路上下边缘实际覆冰层厚度；利用输电线路的实际宽度与测得的输电线路的像素高度之间的比例关系，计算可得到输电线路上下边缘的实际覆冰厚度：假设输电线路实际宽度为L、上边缘覆冰实际厚度为UP_DPT、下边缘覆冰实际厚度为LOW_DPT，则L/H＝UP_DPT/UP_ICE_DPT、L/H＝LOW_DPT/LOW_ICE_DPT，即输电线路上边缘实际覆冰厚度UP_DPT＝L/H*UP_ICE_DPT、输电线路下边缘实际覆冰厚度LOW_DPT＝L/H*LOW_ICE_DPT。

2.根据权利要求1所述的一种基于深度学习的输电线路覆冰厚度检测方法，其特征在于，步骤二中得到三分类的语义分割模型的具体方法为：

步骤二一、采取数据增强方法，增加输电线路覆冰图像数据集中图像的数量；

步骤二二、对增加图像数量后的输电线路覆冰图像数据集中的每一张图片生成对应的掩膜，将该掩膜作为原图像的标签；

步骤二三、批量取出增加图像数量后的输电线路覆冰图像数据集中的图像以及与其对应的掩膜；

步骤二四、对步骤二三中批量取出的图像以及对应的掩膜进行预处理；

步骤二五、设置深度学习语义模型的训练周期，并利用该深度学习语义模型对步骤二四预处理后的图片进行三分类训练；

步骤二六，训练结束，得到三分类语义分割模型。

3.根据权利要求2所述的一种基于深度学习的输电线路覆冰厚度检测方法，其特征在于，步骤二一中数据增强方法包括几何变换法和颜色变换法；

所述几何变换法包括翻转、旋转、裁剪、变形以及缩放中的一个或多个；

所述颜色变换法包括噪声、模糊、颜色变换、擦除以及填充中的一个或多个。

4.根据权利要求1所述的一种基于深度学习的输电线路覆冰厚度检测方法，其特征在于，步骤三输出的三分类输电线路覆冰图像包括输电线路、覆冰层和图像背景。