[发明专利]一种基于YOLO的电网作业现场违章识别方法及终端

权利要求书

1.一种基于YOLO的电网作业现场违章识别方法，其特征在于，包括以下步骤：

S1、获取作业现场源图像，将所述源图像分为训练集和测试集；

S2、在Darknet-53目标识别模型的第一卷积层之前提取所述训练集源图像的方向梯度直方图和图像纹理特征，融合所述方向梯度直方图和图像纹理特征得到特征图；

S3、将所述特征图与所述Darknet-53目标识别模型中对应的卷积层进行融合得到目标特征图像，将所述目标特征图像输入YOLO神经网络训练得到基于YOLO神经网络的检测模型；

S4、将所述测试集输入所述Darknet-53目标识别模型和所述基于YOLO神经网络的检测模型，得到测试结果，根据所述测试结果确定基于YOLO神经网络的最优检测模型，对电网作业现场进行违章识别。

2.根据权利要求1所述的一种基于YOLO的电网作业现场违章识别方法，其特征在于，所述S2具体为：

S21、在Darknet-5目标识别模型的第一卷积层之前，将所述训练集源图像进行亮度增强；

S22、对亮度增强后的源图像进行灰度归一化处理得到归一化灰度图像；

S23、计算所述归一化灰度图像的方向梯度直方图和图像纹理特征后，组合所述方向梯度直方图和所述图像纹理特征权重值，获取最优权重值，根据所述最优权重值得到特征矩阵；

S24、使用对应的步长和尺度的卷积核对所述特征矩阵进行卷积得到不同尺度特征图。

3.根据权利要求1所述的一种基于YOLO的电网作业现场违章识别方法，其特征在于，所述S3具体为：

S31、将所述不同尺度特征图分别与所述Darknet-53目标识别模型中对应尺度的卷积层进行融合得到不同尺度的目标特征图像；

S32、将所述不同尺度的目标特征图像通过维度聚类算法，得到多个聚类结果K值；

S33、采用GIOU损失函数确定最优K值，得到所述检测模型。

4.根据权利要求1所述的一种基于YOLO的电网作业现场违章识别方法，其特征在于，所述S1具体为：

从源地址中获取所述作业现场源图像，所述源图像包括第一源图像和第二源图像；所述第一源图像和所述第二源图像的数据源不同。

5.根据权利要求1所述的一种基于YOLO的电网作业现场违章识别方法，其特征在于，在所述S4之后还包括：

S5、采集作业现场的所述第一源图像，将所述第一源图像输入所述最优检测模型，得到第一监测结果，根据所述第一监测结果判断所述第一源图像是否存在违章行为，若是，则标记所述第一源图像的作业现场为目标区域，并执行S6；

S6、采集所述目标区域的所述第二源图像，将所述第二源图像输入所述最优检测模型，得到第二监测结果，根据所述第二监测结果判断所述第二源图像是否存在违章行为，若是，则上传所述第二源图像至云系统，并发送警告信息。

6.根据权利要求5所述的一种基于YOLO的电网作业现场违章识别方法，其特征在于，所述S5还包括：

若所述第一源图像不存在违章行为，则将所述第一源图像存入预设地址。

7.根据权利要求5所述的一种基于YOLO的电网作业现场违章识别方法，其特征在于，所述S6还包括：

若所述第二源图像不存在违章行为，则将所述第二源图像存入所述预设地址。

8.根据权利要求5所述的一种基于YOLO的电网作业现场违章识别方法，其特征在于，在所述S6之后还包括：

S7、所述预设地址的存储空间达到预设阈值后，将所述预设地址标记为源地址，返回执行S1。

9.一种基于YOLO的电网作业现场违章识别终端，包括存储器、处理器，其特征在于：所述处理器根据基于YOLO的电网作业现场违章识别方法，通过基于YOLO神经网络的最优检测模型，对电网作业现场进行违章识别。