[发明专利]一种变电站无人机巡检图像异物悬挂实时识别方法

权利要求书

1.一种变电站无人机巡检图像异物悬挂实时识别方法，其特征在于，包括以下步骤：

S1：通过巡检图像压缩编码技术，从源头上压缩数据量同时最大程度保持图像中的特征信息，使无人机获取的数据流匹配边缘算力；

S2：对YOLOv3检测网络模型主干网络进行轻量化的剪裁，采用经过改进的MobileNetV2主干网络，替代原YOLOv3模型的DarkNet网络，它能保证网络在检测精度略微降低的情况下，有效地减少网络模型参数量，提高算法的检测速度；

S3：在特征挖掘中使用高低维融合分辨率自适应特征提取器，充分利用预测特征层的浅层特征信息，提升算法对各类异物小目标的检测性能。

2.根据权利要求1所述的一种变电站无人机巡检图像异物悬挂实时识别方法，其特征在于，还包括基于深度学习的无人机巡检图像压缩编码技术，研究图像压缩编码模型与检测网络模型的联合改进方法。

3.根据权利要求2所述的一种变电站无人机巡检图像异物悬挂实时识别方法，其特征在于，神经网络多层感知结构，使其提取的物体特征对于图片在位移、缩放、角度变化等具有良好的不变性；在应用于图像压缩的过程中，神经网络可以通过堆叠多个卷积层和非线性层，实现类似传统DCT变换中将图像从像素空间映射到频率空间操作，实现将图像从原始空间映射到一个有利的去除了图像冗余信息且保留图像重要信息的特征空间，同时避免图像经过压缩后会产生多种失真效应，如块效应、边缘响铃效应和由于高频部分丢失造成的模糊现象。

4.根据权利要求3所述的一种变电站无人机巡检图像异物悬挂实时识别方法，其特征在于，所述神经网络包括输入层、中间层和输出层；

所述输入层至中间层，是内容编码阶段，用于将图像信息转换至特征空间；所述中间层至输出层是特征解码阶段，用于将图像从特征空间恢复到像素空间。

5.根据权利要求1所述的一种变电站无人机巡检图像异物悬挂实时识别方法，其特征在于，设计关键性权值分支用于对关键的图像信息加权，通过对图像内容的空间差异进行分析，对不同的部分按复杂度分配字节，实现对后续编码的指导作用；采用二值化分支，将编码器输出的特征进行二值化。

6.根据权利要求5所述的一种变电站无人机巡检图像异物悬挂实时识别方法，其特征在于，构建基于自编码器、CNN和卷积LSTM架构的模型，拥有两个编码器输入，其中一个编码器接收图像序列差分作为运动输入，使用LSTM建模运动动态，其中另一个编码器接收最后一帧静态图像，然后将LSTM的输出与静态图像的编码输出组合起来，经由解码器解码为预测图像。

7.根据权利要求1所述的一种变电站无人机巡检图像异物悬挂实时识别方法，其特征在于，S3步骤中，通过高低维融合分辨率自适应特征提取器替换原YOLOv3的3尺度预测层，增强对不同尺度异物小目标的检测。

8.根据权利要求7所述的一种变电站无人机巡检图像异物悬挂实时识别方法，其特征在于，通过高频和低频特征并行计算，高低频特征不断进行信息的交换和融合；完成特征提取后，对最终的多尺度特征图继续进行融合，以生成最终的特征图用于回归和定位等后续图像任务。