[发明专利]一种遮挡条件下的变电站安全检测方法及装置

权利要求书

1.一种遮挡条件下的变电站安全检测方法，其特征是，包括如下过程：

S1,通过AI摄像头采集视频流数据，并对视频流数据进行预处理，得到待检测图片；

S2，构建并训练改进的端对端的MASKNET网络模型，并通过训练改进的端对端的MASKNET网络模型对待检测图片进行遮挡特征识别，确定检测目标；

改进的端对端的MASKNET网络模型包括公共特征提取模块、非遮挡区域提取模块和识别卷积网络；

公共特征提取模块，包括特征压缩模块和特征扩展模块；其中，特征压缩模块采用了基于Res-U-Net的残差卷积模块，包括N个卷积块；特征扩展模块包括对应的N个反卷积块，沿着一条融合跳跃连接的特征扩展路径展开；从特征扩展路径上的第一个反卷积块开始，每一层输出的特征图和来自特征压缩路径的特征图拼接构成下一层反卷积操作的输入，使得特征压缩路径上的目标细节信息能够传输到具有高层语义信息的扩展特征层路径上；

非遮挡区域提取模块包括遮挡区域监督分割模块和公共特征处理模块，遮挡区域监督分割模块进行遮挡区域监督分割，得到遮挡区域图像和非遮挡区域特征图，由卷积层和Sigmoid层组成，其监督的标签由自动数据增强中遮挡区域图像生成操作所生成；非遮挡区域特征图通过相乘操作把其作用到公共特征处理模块的输出上，进一步强化非遮挡区域的目标特征，形成非遮挡区域的特征图，遮挡区域图像用于后续引导遮挡区域监督分割模块的学习；

S3，获取检测目标对应的安全识别模型，对检测目标进行安全识别，得到安全识别结果。

2.根据权利要求1所述的遮挡条件下的变电站安全检测方法，其特征是，所述识别卷积网络由卷积层、全连接层和Softmax层组成。

3.根据权利要求1所述的遮挡条件下的变电站安全检测方法，其特征是，训练改进的端对端的MASKNET网络模型所用的训练数据集和测试数据集构建方式如下：获取含遮挡区域的电力设备图像，进行裁剪和图像对齐，把所有的图像对齐到同一尺度空间，然后进行随机数据增强，扩充每个目标的学习样本数。

4.根据权利要求1所述的遮挡条件下的变电站安全检测方法，其特征是，通过训练改进的端对端的MASKNET网络模型对待检测图片进行遮挡特征识别，确定检测目标的过程如下：

公共特征提取：待检测图片输入到公共特征提取模块进行特征提取，生成特征图；

非遮挡区域提取：公共特征提取模块提取的特征图输入遮挡区域监督分割模块，输出为一个单通道的遮挡区域图像，用于指示该目标区域是否遮挡；采用监督学习的方式，监督标签由历史遮挡区域图像生成，每次提取遮挡区域图像作为下一次训练的历史遮挡区域图像，并采用随机梯度下降算法优化交叉熵损失函数训练遮挡区域监督分割模块，并提取出非遮挡区域特征图；公共特征提取模块提取的特征图同时输入公共特征处理模块进行处理；

融合识别阶段：将非遮挡区域特征图通过相乘操作把其作用到公共特征提取模块的输出上，强化未遮挡区域的目标特征，弱化遮挡区域，并引导随后的识别卷积网络进行目标识别。

5.根据权利要求1所述的遮挡条件下的变电站安全检测方法，其特征是，分别采用每个待识别的电力设备的历史图像数据对改进后的端对端的MASKNET网络模型进行训练，最终得到不同待识别电力设备的分类方式，实现快速识别待识别的电力设备。

6.根据权利要求1所述的遮挡条件下的变电站安全检测方法，其特征是，步骤3中，检测目标为变压器时，采用的安全识别模型是变压器破损检测模型。

7.根据权利要求1所述的遮挡条件下的变电站安全检测方法，其特征是，步骤3中，检测目标为瓦斯继电器时，采用的安全识别模型是瓦斯继电器泄露检测模型，瓦斯继电器泄露检测模型为YoloV4-tiny模型。

8.根据权利要求1所述的遮挡条件下的变电站安全检测方法，其特征是，步骤3中，检测目标为油位计时，采用的安全识别模型是油位计漏油检测模型，油位计漏油检测模型采用HRNet+Cascade-RCNN的网络结构。