[发明专利]一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法

权利要求书

1.一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法，其特征在于，所述方法包括如下步骤：

S1，根据电网无人机航拍绝缘子图像与公共数据集，构建真实输电线路绝缘子图像数据库；

S2，基于真实的输电线路绝缘子图像，采用分割算法提取绝缘子目标，将其与电网运行背景图像进行融合，生成新的绝缘子图像，并利用MRLabeler标注真实与扩充的绝缘子图像；

S3，采用基于非锐化掩模的锐化算法对图像进行锐化处理，将图像从RGB颜色空间转换为YCbCr颜色空间，利用高斯低通滤波器对绝缘子图像进行滤波，在Y分量提取低频分量，将原图减去低频部分以提取图像中的高频分量，再将高频分量与原图叠加，实现绝缘子图像的锐化增强，提高图像中绝缘子目标的细节；将上述锐化处理后的图像划分训练集和测试集；

S4，利用构建的MobileNet网络替换YOLOv4检测模型中的CSPDarkNet53特征提取网络，并且利用深度可分离卷积替换PANet网络中所有3×3的普通卷积，将PANet网络中的输入与输出通道乘以宽度乘数α，α取值范围为[0,1]，得到改进YOLOv4算法模型；

S5，先利用ImageNet公共数据集对改进YOLOv4模型进行算法预训练，结合多阶段迁移学习方法，采用真实与扩充后的绝缘子图像训练集对改进YOLOv4模型进行重新训练；在训练时，将整体损失值除以所有正样本个数，对损失进行归一化，得到最优模型；

S6，采用最优模型对绝缘子图像测试集进行逐个检测，得到绝缘子定位准确率与缺陷检测准确率性能指标；采用对比度与亮度调整、图像加雾预处理方法，模拟改进YOLOv4模型在光线极暗、曝光、雾天三种情况下的检测效果，验证模型的泛化能力与鲁棒性。

2.根据权利要求1所述的一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法，其特征在于：所述步骤S2中所用的分割算法包括GraphCut、GrabCut算法中任意一种。

3.根据权利要求1所述的一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法，其特征在于，所述步骤S4中利用MobileNet轻量级卷积神经网络替换YOLOv4检测模型中的CSPDarkNet53特征提取网络，其具体包括：

首先，将初始MobileNet的输入尺寸要求224×224改变为416×416；

然后，根据卷积的运算操作，分别提取深度可分离卷积5次之后的特征作为特征1，再将卷积6次之后的特征作为特征2，卷积2次之后的特征作为特征3，改进模型后的三种特征图的尺寸变为64×64、32×32、16×16；

最后，将提取的特征1、2、3用于SPP以及PANet的特征融合，并且将原激活函数替换为ReLU6激活函数。