[发明专利]一种用于输电铁塔的无人机智能巡检识别方法

权利要求书

1.一种用于输电铁塔的无人机智能巡检识别方法，其特征是：采用智能巡检系统对绝缘子进行巡检，所述智能巡检系统包括无人机搭载的图像采集模块、预处理模块、特征提取模块、特征融合模块、预测判断模块及故障上报模块；所述识别方法具体包括以下步骤：1)无人机搭载的图像采集模块拍摄绝缘子的图像并传输到预处理模块；2)预处理模块对图像进行非局部平均去噪处理并输入特征提取模块；3)特征提取模块采用神经特征提取网络提取绝缘子形状特征及故障特征；4)特征融合模块将提取的高维特征进行特征融合；5)预测判断模块通过预测回归网络对特征判断，判断出所拍摄的绝缘子是否存在故障；6)故障上报模块将被判定为故障的绝缘子图像与故障信息上传至客户端，并进行报警；

所述步骤2)中图像预处理模块采用快速非局部均值去噪法降低在图像传输过程中产生的高斯噪声，利用图像中的重复或相似的邻域结构进行去噪，首先通过欧氏距离衡量邻域之间的相似程度，再利用权值分配给予相似邻域较大权重，最后进行加权平均得到去噪后的图像；

所述步骤3)中特征提取模块采用YOLO-V4tiny网络结构为基础，将Resnet_Y网络替换YOLO-V4tiny网络结构中的CSPblock网络，所述Resnet_Y网络由两条支路组成，其中一条输入的特征先进行1×1卷积调整通道数，之后连接一个3×3卷积模块进行特征提取；另一条支路对输入的特征进行最大池化处理，对输入的层降采样、去除冗余信息，对特征进行压缩，扩大感受野；之后连接一个1×1卷积模块，对通道信息进行整合，跨通道信息交互，增强网络的非线性特性，最后将两条支路的特征信息相加输出；

所述步骤5)中预测判断模块通过预测回归网络对特征判断的具体步骤为：使用卷积块调整特征融合后的通道数为B×(C+5)，其中B为每个格子预测的先验框数量，C为类别数；

利用设置好的先验框生成特征图上所有的先验框，将全部的先验框根据和真实框的IOU以及分配的网络划分为正、负、忽略样本；

通过随机采样法选择部分先验框进行loss计算；将真实框编码成网络输出的相同形式来计算loss；计算分类、置信度、矩阵框位置和宽高的loss，然后加权求和得到最终输出，最后进行梯度和反向传播计算得到检测结果。

2.根据权利要求1所述一种用于输电铁塔的无人机智能巡检识别方法，其特征是：所述YOLO-V4tiny网络结构中加入通道注意力与空间注意力算法，通道注意力有选择性的加强包含有用信息的特征并抑制无用特征；空间注意力算法增强对图像中感兴趣的目标区域进行特征提取，最终得到若干高维特征图，更改输出的特征层尺寸，使其适应绝缘子形状特征。

3.根据权利要求1所述一种用于输电铁塔的无人机智能巡检识别方法，其特征是：所述步骤4)中特征融合模块使用BiFPN特征融合结构，在FPN特征融合结构上，增加跨单元之间的连接，让上级特征与融合后的特征联系，使得上下特征图有更密切的关联性，特征融合的结果更加优异。

4.根据权利要求1所述一种用于输电铁塔的无人机智能巡检识别方法，其特征是：所述步骤5)中预测判断模块使用YOLO预测结构，去除最大预测分辨率检测头，使用两个检测头提高检测速率；增加大尺寸分辨率的预测结构，使用k-mean聚类选择适合绝缘子的先验框尺寸以提高判断效率。