[发明专利]一种基于DBNet的智能变电站内二次回路端子排接线检测方法

权利要求书

1.一种基于DBNet的智能变电站内二次回路端子排接线检测方法，其特征在于，所述检测方法包括以下步骤：

S1：对变电站实地拍摄收集的图像数据进行标准化预处理并在保持图像原始比例下放缩图片至短边640像素大小；

S2：使用两个经过训练与模型压缩后的图像分割网络分别提取待检测图像的端子排目标和号码管接线目标的多通道特征图；

S3：两组特征分别通过各自两个训练压缩后的图像区域分类预测卷积神经网络，可得出各自目标的概率图和自适应阈值图；

S4：概率图和自适应阈值图经过求差和近似二值化后得出端子排连通区域和号码管连通区域，求解出各个目标边界轮廓；

S5：端子排和号码管的边界轮廓可用旋转矩形框简化描述，通过重叠面积占比判断号码管连接至端子排结果。

2.根据权利要求1所述的一种基于DBNet的智能变电站内二次回路端子排接线检测方法，其特征在于，所述检测方法使用的两个模型的训练数据集经过数据增强处理，包含图片标准化、随机旋转与水平镜像翻转、随机亮度、对比度变换和随机裁剪，训练集图片统一剪裁至640×640大小。

3.根据权利要求1所述的一种基于DBNet的智能变电站内二次回路端子排接线检测方法，其特征在于，所述检测方法使用两个各自独立的检测模型，模型剪枝前的端子排检测和号码管检测网络结构和通道数量相同，使用实地拍摄图像数据集训练后，利用模型压缩通道剪枝技术，去除网络中冗余的特征图通道，对所得到的压缩过后的模型进行一次相对较短训练周期的权重微调再训练，经过剪枝压缩后的两个模型的网络结构存在一定的差异。

4.根据权利要求1所述的一种基于DBNet的智能变电站内二次回路端子排接线检测方法，其特征在于，所述检测方法使用两个各自独立的检测模型，以端子排区域和号码管接线区域的正类目标的轻量化分割网络为主体结构包括骨干特征提取网络ResNet-18、特征融合金字塔网络FPN、目标分割区域概率图预测网络分支、自适应阈值图预测网络分支。

5.根据权利要求1所述的一种基于DBNet的智能变电站内二次回路端子排接线检测方法，其特征在于，所述检测方法使用的两个检测模型训练损失有多个组成部分，包括分割网络输出的概率图与真实目标区域标签分类交叉熵损失、阈值图和目标边界轮廓标签的L1距离损失、概率图和阈值图做差近似二值化后得到的近似二值图与真实目标区域标签分类交叉熵损失。

6.根据权利要求1所述的一种基于DBNet的智能变电站内二次回路端子排接线检测方法，其特征在于，所述检测方法使用了两种监督性训练标签，两种监督性训练标签包括：概率图监督性学习使用的是原始标注目标多边形边界经过多边形剪裁算法Vatti Clipping算法收缩过后的包围区域；阈值图监督性学习标签图为原始人工标注的多边形边界同时向外扩张和向内收缩一定补偿量形成的间隔区域。

7.根据权利要求1所述的一种基于DBNet的智能变电站内二次回路端子排接线检测方法，其特征在于，所述检测方法使用的检测网络模型区域预测输出经过近似二值化，对概率图预测网络分支和阈值图预测网络分支得出的结果进行逐元素相减，差值图经过可微的近似二值化激活函数f_as(x)＝1/(1+e^-kx)，对该近似二值图求取标准化二值图。

8.根据权利要求1所述的一种基于DBNet的智能变电站内二次回路端子排接线检测方法，其特征在于，所述检测方法对端子排和号码管接线区域检测定位并判断号码管接线位置，根据端子排目标二值图和号码管二值图结果提取目标轮廓，并用旋转矩形近似表示；各端子排和号码管实例依据重叠面积与中心坐标进行接线匹配。