[发明专利]一种基于多尺度目标检测的通信线路光缆缺陷识别方法

说明书

本发明公开了一种基于多尺度目标检测的通信线路光缆缺陷识别方法，涉及人工智能技术领域，通信线路光缆缺陷识别方法包括以下步骤：步骤一：通信线路光缆数据图像收集；步骤二：对待处理图像预处理；步骤三：流转至经过训练的模型进行识别标注；步骤四：利用光缆语义分割系统中的语义分割方法对光缆区域定位图像中光缆存在的缺陷进行像素级语义信息标注；步骤五：将光缆缺陷图像加入样本库进行持续训练优化模型，迭代出新的模型；步骤六：实现人机交互。该基于多尺度目标检测的通信线路光缆缺陷识别方法，利用计算机视觉技术打造光缆缺陷智能识别模型，实现光缆图像智能识别，及时消缺，降低经济损失，保障光缆稳定运行。

技术领域

本发明涉及人工智能技术领域，具体为一种基于多尺度目标检测的通信线路光缆缺陷识别方法。

背景技术

国家有关部门多次明确指出鼓励各单位、各专业推进人工智能与电网业务深度融合，深化视觉智能等人工智能技术的工程化应用，形成高价值应用场景。现阶段，济南公司利用无人机开展光缆巡视作业，一定程度减轻巡视人员工作压力，但仍存在数据价值挖掘不充分，海量图像人工逐张判断，效率较低导致消缺不及时等问题，海量的图像导致人员工作量巨大、人员缺口与数据量级的增长存在巨大矛盾，且人工研判效果对一线工作人员经验依赖极高。同时，部分目标尺寸微小、缺陷特征不明显，容易产生漏判与误判，严重威胁光缆通信正常运行。因此，亟需形成缺陷样本集，打造光缆无人机图像智能识别电力专用模型，智能精准识别光缆缺陷。

目前输电线路无人机智能化巡检已在部分场景试点应用，实现了若干中输电线路缺陷智能识别，但未涉及信通光缆方面的巡检，缺少光缆缺陷样本集。虽然很多地区和行业已经开展通信光缆无人机巡视的工作，减轻了大量一线工作量，但无人机每天飞回的千量级巡检图像信息，需要通过人工进行研判，需要花费更多人力、时间，工作效率低和时效性差。而利用人工智能手段进行光缆缺陷识别，可以快速、精确地识别缺陷，并解放大量人力资源。

在日常工作中，基层员工面临着目不暇接的图像分析工作，无人机拍摄的光缆巡检图像需要由人工审核光缆线路是否存在缺陷、人员作业行为视频监控需要由人工审核是否存在违章作业、变电站视频监控、巡视图像需要由人工鉴别是否存在缺陷隐患等等。这些图像分析工作均由人工完成，时效差，耗时长，易出错，影响了整体的工作效率，且存在一定安全隐患。

于是，有鉴于此，针对现有的结构及缺失予以研究改良，提出一种基于多尺度目标检测的通信线路光缆缺陷识别方法，以期达到更具有更加实用价值性的目的。

发明内容

针对现有技术的不足，本发明提供了一种基于多尺度目标检测的通信线路光缆缺陷识别方法，解决了上述背景技术中提出的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于多尺度目标检测的通信线路光缆缺陷识别方法，通信线路光缆缺陷识别方法包括以下步骤：

步骤一：通信线路光缆数据图像收集，不同用户通过移动终端对通信线路光缆数据图像进行收集并上传至云端进行存储，在云端中将通信线路光缆数据图像命名为待处理图像；

步骤二：对待处理图像预处理，通过对比将待处理图像中重复的图像去除，然后对待处理的图像进行降噪以及增强像素处理；

步骤三：流转至经过训练的模型进行识别标注，得到光缆缺陷所在区域的定位图像；

步骤四：利用光缆语义分割系统中的语义分割方法对光缆区域定位图像中光缆存在的缺陷进行像素级语义信息标注并得到光缆缺陷图像；

步骤五：将光缆缺陷图像加入样本库进行持续训练优化模型，迭代出新的模型；

步骤六：将光缆缺陷图像信息进行可视化展示，实现人机交互。

进一步的，所述步骤一中通信线路光缆数据图像收集基于图片存储构架设备，且图片存储构架设备基于多路复用技术支持多用户。