[发明专利]一种基于掩膜的输电线杆塔鸟巢小样本检测方法

说明书

本发明公开了一种基于掩膜的输电线杆塔鸟巢小样本检测方法，针对无人机在输电线路巡检中所采集到的巡检图像，进行输电线路上的鸟巢检测。方法具体包括：对网络获取的高质量鸟巢图进行处理获取对应的掩膜，与原图相与并补零扩充为正样本大小的图，与正样本进行点运算后传入生成对抗网络，得到逼真的负样本，并将SSD卷积神经网络的特征提取模块中的Conv4_1加入多尺度网络，并针对鸟巢的形状，修改默认检测框形状为{1:1，1:1.5，4:3}，得到初始检测模型，后续基于历史样本和扩充的负样本，训练测试模型，得到最终检测模型。本发明可以降低人工巡检成本，自动检测输电线杆塔上的鸟巢，有效避免鸟巢导致输电线路短路的情况发生，保障国家电力系统的安全运行。

技术领域

本发明涉及电网运维技术领域，并且更具体地，涉及一种基于掩膜的输电线杆塔鸟巢小样本检测方法，该方法可以提高电网的运行安全系数，降低人力巡检成本。

背景技术

电力系统是国家的命脉，输电线路是其中重要的组成部分，输电线路正常有序的运行是国家经济平稳发展的重要保证。随着我国电力建设的发展，输电线路的距离越来越长，也越来越远离城市和主要交通干道，对其的巡检维护面临着诸多的困难。传统输电线路检查维护基本采用人工操作，主要检测方式为肉眼或使用望远镜进行观测，对于观察存在困难的，还需要攀爬线路杆塔进行逐个排查，这种传统的线路巡检方式难以满足目前的发展需求。

而随着我国高压输电线路的不断增多以及电网对智能化、自动化、安全性要求的不断提高，对巡检也越来越重视，逐步的开始采用无人机进行电路巡检，因此需要人工智能技术来处理大量的巡检图片。

发明内容

本发明的目的是提供一种基于掩膜的输电线杆塔鸟巢小样本检测方法，该方法能够实现针对无人机获取的巡检图像进行杆塔上鸟巢的自动检测。

实现本发明目的的具体技术方案是：

一种基于掩膜的输电线杆塔鸟巢小样本检测方法，该方法包括以下具体步骤：

步骤1：利用无人机巡检，获取输电线杆塔巡检图片作为历史样本，其中有鸟巢的列为负样本，没有鸟巢的列为正样本；

步骤2：扩充构造负样本

通过网络获取高质量的鸟巢图A，经过多重处理获得对应的掩膜B，掩膜B与鸟巢图A相与得到除了鸟巢部分其余像素为0的图C，通过补零将图C的大小扩充为待融合的正样本D的大小得到图C’；通过YOLOv3检测正样本D中的杆塔，获得杆塔的位置，在对应的杆塔位置内随机集体移动C’中非0像素，得到C1,C2,C3…Cn图；将C1,C2,C3…Cn图分别与正样本进行规定的点运算，得到图D1,D2,D3…Dn，最后通过生成对抗网络，得到负样本；其中，n=10~15；

步骤3：修改搭建模型

将SSD卷积神经网络的特征提取模块中的Conv4_1加入多尺度网络，并针对鸟巢的形状，修改默认检测框形状为{1:1，1:1.5，4:3 }；

步骤4：训练测试模型

基于扩充的负样本和历史样本，按3:1划分为测试集和训练集，对搭建的模型进行训练测试，得到最终检测模型；

步骤5：将待检测图片传入检测模型，获得检测结果。

步骤2中所述高质量的鸟巢图，具体要求为：背景尽量单一，鸟巢在图片中清晰并且面积占比大，与背景色差大，方便边缘检测。

步骤2中所述经过多重处理获得对应的掩膜B，具体处理流程为：

a1：将鸟巢图A转化为二值图像；

a2：采用LOG算子进行边缘检测；

a3：在鸟巢内选择一个种子灰度值设为1，进行区域生长，若种子与周围像素差为0，则将周围像素灰度值设为1，并当做新的种子进行生长，否则停止生长；最终得到对应的掩膜B。