[发明专利]一种输电线路涉鸟故障相关鸟种图像识别方法

权利要求书

1.一种输电线路涉鸟故障相关鸟种图像识别方法，其特征在于：包括如下步骤：

S1：收集输电线路渉鸟故障相关鸟种图像，建立包含N种鸟类的图像数据集，将鸟种图像分为训练集和测试集；

S2：构建VGG16卷积神经网络模型，采用ImageNet数据库对其进行预训练，然后移去卷积层“conv5-3”后面的所有层，用一个“卷积+全局平均池化+全连接+输出”的结构替代原有的“pool5”—“prob”层，采用公开鸟种图像数据集对修改后的卷积模型进行训练，通过训练好的模型提取涉鸟故障相关鸟种图像的类别激活图，利用类别激活图对鸟种图像进行去背景预处理，得到包含少量背景的鸟种图像；

S3：采用AlexNet、VGG16、ResNet50和InceptionV3四种深度卷积神经网络建立学习模型，利用ImageNet数据集对网络模型进行预训练；

S4：对预训练模型进行微调，通过模型迁移使其匹配涉鸟故障相关鸟种的图像识别任务，对于AlexNet和VGG16，将最后一个全连接层“fc8”的维数由原来的1×1000调整为1×N；对于ResNet50和InceptionV3，删除原网络中的最后3层“fc1000”、“fc1000_softmax”和“ClassificationLayer_fc1000”，以一个包含1×N的全连接层、1×N的softmax层以及N分类输出层的结构代替；

S5：采用输电线路渉鸟故障相关鸟种图像训练集对微调后的四种深度卷积神经网络模型进行重新训练，利用训练好的网络模型对鸟种图像测试集进行分类识别，得到四种模型的分类准确率a_i(i＝1,2,3,4)，根据计算四种网络结构对应的权重系数q_i(i＝1,2,3,4)；

S6：根据四种网络模型对应的权重系数，对其softmax层输出结果进行线性加权，构建一种融合多卷积神经网络的鸟种分类识别模型，模型的输出S_f为S_f＝q₁S_AlexNet+q₂S_VGG16+q₃S_ResNet50+q₄S_InceptionV3，其中S_AlexNet、S_VGG16、S_ResNet50、S_InceptionV3分别表示4种网络模型的softmax层输出结果；

S7：利用融合多卷积神经网络模型对鸟种图像测试集进行分类识别，得到输电线路渉鸟故障相关鸟种图像的识别结果及准确率。

2.根据权利要求1所述的一种输电线路涉鸟故障相关鸟种图像识别方法，其特征在于：S2中利用类别激活图对鸟种图像进行去背景预处理，得到包含少量背景的鸟种图像，具体为对类别激活图进行迭代法全局阈值分割和最大连通区域提取，获取图像中的鸟种目标定位框，根据定位框尺寸裁剪得到预处理后的鸟种图像。