[发明专利]一种缺陷绝缘子的检测方法

权利要求书

1.一种缺陷绝缘子的检测方法，其特征在于，包括以下步骤：

步骤一，采用第一技术建立缺陷绝缘子的数据库；

步骤二，采用第一算法对所述数据库中边界框的宽和高进行聚类，以获取所述缺陷绝缘子的锚点框信息；

步骤三，通过第一特征提取网络获取所述缺陷绝缘子的第一特征；

步骤四，使用第二算法对所述缺陷绝缘子进行检测，将检测尺度由3个扩展至4个，得到4尺度预测边界框，从而获取所述缺陷绝缘子的深层次位置信息；

步骤五，将所述第二算法中的4尺度预测边界框经过第三算法计算后，输出得分高的预测框，从而完成对缺陷绝缘子的检测，得到检测结果，其中所述检测结果包括所述缺陷绝缘子的锚点框信息、所述第一特征及所述缺陷绝缘子的深层次位置信息。

2.根据权利要求1所述的缺陷绝缘子的检测方法，其特征在于：

其中，步骤一中，所述第一技术包括数据增强技术和图像标注技术。

3.根据权利要求2所述的缺陷绝缘子的检测方法，其特征在于：

所述数据增强技术，是使用翻转、旋转、随机颜色及随机裁剪的方法扩充数据库。

4.根据权利要求2所述的缺陷绝缘子的检测方法，其特征在于：

所述图像标注技术，是通过LabelImg完成标注的绝缘子图像，所述绝缘子图像的最终的输出格式为Pascal VOC数据格式，所述Pascal VOC数据格式由Annotations，ImageSets和JPEGImage三个文件夹组成。

5.根据权利要求1所述的缺陷绝缘子的检测方法，其特征在于：

其中，步骤二中，所述第一算法是K-means++算法，步骤如下：

(1)输入:目标框样本集D＝{x₁,x₂,...,x_n},锚点框聚类簇数为K；

(2)从D中随机选取一个数据点作为初始聚类中心c₁；

(3)计算每个样本点x与初始聚类中心c₁的最短距离d(x)；

(4)计算每个样本做为下个聚类中心的概率

(5)利用轮盘法选择下一个聚类中心c₂；

(6)重复2-4,直到选出K个聚类中心C＝{c₁,c₂,...,c_n}；

(7)计算样本集D中的每个x到K个聚类中心的距离，将其分至相应的簇中；

(8)更新聚类中心

(9)重复6-7,直至聚类中心不发生更改；

(10)输出K个聚类中心；

所述K-means++算法的距离函数公式如下：

d(box,centroid)＝1-IOU(box,centroid)

其中，centroid表示聚类中心，box表示样本的目标框，IOU表示聚类中心框与聚类框的交并比。

6.根据权利要求1所述的缺陷绝缘子的检测方法，其特征在于：

其中，步骤三中，所述第一特征提取网络是SE-Darknet53特征提取网络。

7.根据权利要求6所述的缺陷绝缘子的检测方法，其特征在于：

所述SE-Darknet53特征提取网络，是通过在Darknet53特征提取网络中引入SENet注意力机制模块设计的。