[发明专利]一种基于YN-Net卷积神经网络的输电线路障碍物检测方法

说明书

本发明公开了一种基于YN‑Net卷积神经网络的输电线路障碍物检测方法，包括如下步骤：基于输电线路巡检机器人搭载的ZED双目摄像头采集输电线路障碍物图像；对采集到的输电线路障碍物图像进行预处理并制成数据集；搭建YN‑Net卷积神经网络，对YN‑Net卷积神经网络进行充分训练，得到训练好的YN‑Net卷积神经网络模型；使用YN‑Net卷积神经网络模型对采集到的输电线路障碍物实时图像进行分类，根据输入图像中存在障碍物与不存在障碍物的概率值来判断输电线路巡检机器人前方是否存在障碍物。本发明能够提升卷积神经网络的实时性与可靠性，解决了目前输电线路障碍物检测算法准确率不高，实时性不好等问题，并且具有很高的可移植性，可应用于嵌入式开发平台，应用前景广泛。

技术领域

本发明涉及双目摄像头图像采集及深度学习的技术领域，尤其涉及一种基于YN-Net卷积神经网络的输电线路障碍物检测方法。

背景技术

随着城市建设规模扩大，城乡一体化速度加快，用户对电网可靠性要求越来越高,输电线路的运检工作对于电网的正常运行显得愈发重要。但是从事输电线路巡检工作的专业人员队伍数量基本没变，电网规模日益扩大和运检人员结构性缺员之间的矛盾日益突出。传统的人工运检方式难以满足现代电网的运维需求，亟需一种能够取代人工的新型智能化设备。在机器人与人工智能技术逐渐成熟的背景下，输电线路巡检机器人的研究与应用是改变线路运检工作模式、提升工作质量的重要途径。输电线路巡检机器人研究的重点与难度主要集中于输电线路障碍物的检测任务。

现有的输电线路障碍物检测算法存在准确率不高，实时性不好等问题，需要一个新的技术方案来解决这些问题。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种基于YN-Net卷积神经网络的输电线路障碍物检测方法，提升了输电线路障碍物检测算法准确率与实时性，能对多种输电线路障碍物进行可靠检测。

技术方案：为实现上述目的，本发明提供一种基于YN-Net卷积神经网络的输电线路障碍物检测方法，包括如下步骤：

S1：基于输电线路巡检机器人搭载的ZED双目摄像头采集输电线路障碍物图像；

S2：对采集到的输电线路障碍物图像进行预处理并制成数据集；

S3：搭建YN-Net卷积神经网络，并使用步骤S2的数据集对YN-Net卷积神经网络进行充分训练，得到训练好的YN-Net卷积神经网络模型；

S4：使用训练好的YN-Net卷积神经网络模型对采集到的输电线路障碍物实时图像进行分类，根据输入图像中存在障碍物与不存在障碍物的概率值来判断输电线路巡检机器人前方是否存在障碍物。

进一步地，所述步骤S2中采用图像筛选及图像增广对采集到的输电线路障碍物图像进行预处理。

进一步地，所述步骤S2中数据集获取方法为：根据是否存在障碍物，对经过预处理后的输电线路障碍物图像进行打标签操作，得到打好标签的数据集。

进一步地，所述步骤S2中预处理操作的过程为：

A1：对采集到的图像集进行图像筛选，删除其中拍摄模糊的图像；

A2：对采集到的图像集进行图像增广，采取的操作包括：水平翻转、垂直翻转、添加高斯噪声、调节图像的饱和度、对比度及亮度；

A3：对采集到的图像集进行敏感区域划分，以图像中点为中心划分敏感区域，敏感区域纵向长度与图像纵向长度相同，横向长度为图像横向长度的三分之一，并依据敏感区域对图像集中的图像进行切割，只保留敏感区域内部图像。

进一步地，所述步骤S3中YN-Net卷积神经网络的搭建方法为：