[发明专利]一种输电设备图像异常检测方法

权利要求书

1.一种输电设备图像异常检测方法，其特征在于，包括如下步骤：

S1、获取历史巡检图像，通过增强图像对比度的方式实现图像特征增强；

S2、通过滤波技术过滤无用像素值，放大图像特征；

S3、构建Light CNN网络模型实现图像异常检测。

2.根据权利要求1所述的一种输电设备图像异常检测方法，其特征在于，

S1中，使用线性变换增强原始图像对比度，对比度增强后的图像g(x，y)表示为：

原始图像f(x，y)的灰度范围为[m，M]，经过处理的图像g(x，y)的灰度范围为[n，N]，当转换因子时，变换灰度的动态范围变小，反之亦然。

3.根据权利要求1所述的一种输电设备图像异常检测方法，其特征在于，S2包括如下步骤：

S21，从第一行开始遍历图像的像素点，计算每个像素点的通道平均值；在获得通道平均值后过滤掉大于设定阈值T_h的像素点；

S22，计算每行中被过滤掉的像素数的最小值m作为每行要过滤的像素数；垂直遍历图像，重复执行S21和S22。

4.根据权利要求3所述的一种输电设备图像异常检测方法，其特征在于，S22包括如下步骤：使用Fisher Yates随机错位法破坏每行中的滤波像素，并随机移除m个像素。

5.根据权利要求1所述的一种输电设备图像异常检测方法，其特征在于，S3包括如下步骤：S31，H×W×3的图像作为Light CNN网络模型的输入，利用卷积块学习输入图像的特征，得到特征图；其中，卷积块包括卷积层、批归一化层、激活层和最大池化层；

S32特征图经过全连接层以得出最终结果，其中结果为“是”表示检测图像中的异常，反之亦然。

6.根据权利要求5所述的一种输电设备图像异常检测方法，其特征在于，S31包括如下步骤：

S311，卷积层对原始图像进行卷积核滤波，得到图像的特征映射；

S312，通过批归一化层规范输入值，并将尺度方差减小到相同的范围；

S313，通过Leak ReLu激活函数来增加模型的非线性；

S314，使用最大池化层来压缩数据，提取特征图。

7.根据权利要求6所述的一种输电设备图像异常检测方法，其特征在于，S311中，卷积层的输出通过多个卷积核运算得到：

其中，表示图像输入，W和b是卷积核的参数矩阵和偏置。