[发明专利]一种配电线路树障检测方法

权利要求书

1.一种配电线路树障检测方法，其特征在于，包括以下步骤：

步骤1：数据预处理

针对配电线路树障目标制作数据集，采用人工标注方式以矩形框标注，生成标签，对经过标注后的数据进行归一化处理，然后再对数据进行增强处理；

步骤2：改进深度学习网络

对原始yolov5网络进行改进，在原始yolov5网络的C3模块中引入GC模块，并将GC模块的激活函数从Softmax函数更改为Sigmoid函数，得到改进后的yolov5网络；

步骤3：网络训练

构建损失函数，并进行改进后的yolov5网络训练，训练完成后，保存训练好的模型；

步骤4：树障检测

输入待测试的缺陷图片至模型，经过NMS处理后可检测出树障在缺陷图片中的位置；

在所述步骤2中，所述C3模块包括三个3*3卷积层、一个GC模块；通过两个3*3卷积层进行特征提取，然后将经过原始yolov5网络中特征提取层提取后的特征和经过两个3*3卷积层后的特征相加，再经过一个3*3卷积层和一个GC模块进行特征提取；

在所述步骤2中，所述GC模块包括三个1*1卷积层、一个激活层、一个LayerNorm层、一个ReLU层；首先，输入特征图经过一个1*1卷积层进行降维，得到降维后的第一特征图，然后将降维后的第一特征图再通过激活层计算第一特征图中每个特征点在第一特征图中的概率分布，将得到的概率分布与输入特征进行相乘，得到每个特征点的注意力特征图，其次，将得到的注意力特征图经过一个1*1卷积层进行通道降维，得到降维后的第二特征图，然后将第二特征图经过一个LayerNorm层和一个ReLU层对其进行激活，得到第三特征图，最后，将第三特征图再经过一个1*1卷积层进行升维，得到第四特征图，然后将第四特征图与输入特征图进行相加得到最终的输出特征图，其中输入特征图指的是C3模块经过最后一个3*3卷积层处理后的特征图，其中LayerNorm层为归一化层，ReLU层为修正线性单元；

在所述步骤2中，所述GC模块的计算公式如下：

其中，表示的是GC模块的输出特征图，表示输入特征图，表示输入特征图上的特征点，N_p表示输入特征图的总的特征点数量，表示1*1卷积过程，LN表示归一化处理；ReLu表示修正线性单元，表示经过sigmoid函数后得到的概率分布与每个特征点的乘积即获得的每个点的注意力值；

归一化处理的计算公式如下：

其中，表示归一化处理后的输出，表示GC模块计算公式中的，表示的期望，表示的方差，表示精度值，和表示可学习的参数，和通过网络自适应的学习获取；

在所述步骤3中，在损失函数中引入矫正因子，损失函数基于候选框回归损失、前景背景分类损失计算，表达式如下：

其中，表示候选框回归损失的偶然不确定性，表示前景背景分类损失的偶然不确定性，L表示网络训练的总损失，N表示网络训练的样本数，CIOU表示候选框回归损失函数，B_i表示预测的回归框坐标，Bⁱ_gt表示标签框坐标；y_i表示样本的标签类别，y_i^*表示预测的类别；

候选框回归损失表示如下：

其中，表示模型预测的坐标，表示标签坐标，表示预测框和真实框的中心点的欧氏距离，代表能够同时包含预测框和真实框的最小闭包区域的对角线距离，分别表示预测框的宽、高，分别表示标签框的宽、高，描述模型在数据上的偶然不确定性，即数据所自带的方差，IoU表示预测框和标签框的重合度计算值，v和α表示CIOU中引入的超参数，L_BOX表示引入偶然不确定性后的候选框回归损失；

前景背景分类损失表示如下：

其中，表示为二分类的交叉熵损失函数，为标签类别，为预测的类别；描述模型在数据上的偶然不确定性，即数据所自带的方差。

2.根据权利要求1所述的一种配电线路树障检测方法，其特征在于：在所述步骤1中，标签格式表示为（x,y,w,h），其中x、y为矩形框的中心点坐标，w、h分别为矩形框的宽、高。