[发明专利]基于空间变换Faster R-CNN模型的变电站设备缺陷在线检测系统在审

专利信息
申请号: 202110551736.8 申请日: 2021-05-20
公开(公告)号: CN113284103A 公开(公告)日: 2021-08-20
发明(设计)人: 戴金林 申请(专利权)人: 齐丰科技股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/90;G06T5/00;G06T5/20;G06K9/62;G06N3/04;G06N3/08
代理公司: 南京众联专利代理有限公司 32206 代理人: 蒋昱
地址: 210000 江苏省南京市江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 空间 变换 faster cnn 模型 变电站 设备 缺陷 在线 检测 系统
【权利要求书】:

1.基于空间变换Faster R-CNN模型的变电站设备缺陷在线检测系统,具体步骤如下,其特征在于:

步骤1,获取离线训练样本:利用红外热像仪和高清摄像机拍摄变电站各种缺陷图像;

步骤2,样本拓展算法处理:将步骤1处理得到的红外图像和可见光图像输入到设计的空间变换模型Spatial transformation model,STM中以得到拓展的红外图像,并确定目标缺陷检测区域;

步骤2中样本拓展算法处理的具体步骤可表述如下:

步骤2.1,利用设计的动态滤波器矩阵将可见光图像从RGB色彩空间映射至LMS色彩空间,其中的映射关系为:

式中,R、G和B分别为图像在RGB通道上的值,L、M和S是经过动态滤波器矩阵处理后得到的像素值,ωt(t=1,2,...,9)为加权系数,且ωt=e-p,指数p满足均匀分布U[0,0.1]。

步骤2.2,利用固定的滤波器矩阵将步骤2.1得到的LMS色彩空间映射至lαβ色彩空间,其中的映射关系为:

式中,l、α和β分别是经过滤波器矩阵处理后可见光图像在lαβ色彩空间中的像素值。

步骤2.3,分别计算可见光图像和红外图像在lαβ色彩空间中的均值和标准差和而后结合步骤2.2得到的l、α和β的值计算扩展后得到的最终像素值l'、α'和β',具体的表达式为:

步骤3,改进的Faster R-CNN模型训练:将得到的拓展红外图像输入到改进的FasterR-CNN模型中,不断训练使得模型收敛;

步骤4,模型在线应用:将步骤1~步骤3训练得到的模型安装于上位机程序中,利用信息交互系统实时处理采集到的图像,最终实现对变电站设备缺陷的检测。

2.根据权利要求1所述的基于空间变换Faster R-CNN模型的变电站设备缺陷在线检测系统,其特征在于:

步骤3中改进的Faster R-CNN模型训练的具体步骤可表述如下:

步骤3.1,将扩展后的红外图像输入VGG16模型中以得到提取后的feature map;

步骤3.2,利用RPN网络对feature map进行回归计算,从而生成含有设备缺陷的候选边框,并输出相应的候选框矩阵和得分;

步骤3.3,将步骤3.1得到的feature map和步骤3.2得到的候选区域输入到ROIpooling层进行池化处理以得到候选特征图;

步骤3.4,利用Softmax逻辑回归和全连接层对候选特征图进行处理,实现特征图的分类和最终检测的设备缺陷所对应的边框区域。

其中,考虑到STM模型扩展得到的红外图像与原始的红外图像间存在一定的失真,本专利在Faster R-CNN模型原有的损失函数基础上加以改进,提出了新的损失函数,其表达式为:

式中,Nreg和Ncls分别为预测的边框数量和二分类锚点数,pi为锚点对应的二分类概率,表示实际的锚点分类结果,λ1为回归和分类损失的平衡系数,ei和分别为预测边框和锚点到实际边框的定位误差,Lcorr、Lcls和Lreg分别为红外图像失真损失函数、交叉熵损失函数和锚点的回归损失函数,具体的定义分别如下:

式中,M、N分别表示红外图像的长度和宽度所对应的维度。

3.根据权利要求1所述的基于空间变换Faster R-CNN模型的变电站设备缺陷在线检测系统,其特征在于:步骤4中对模型的在线应用的具体描述为:

将步骤1~步骤3训练得到的模型安装于上位机程序中,而后利用训练好的模型实时对采集的变电站红外图像进行缺陷检测,如果检测出缺陷,则发出警报,否则机器人继续巡检。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于齐丰科技股份有限公司,未经齐丰科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110551736.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top