[发明专利]塔桅结构破损位置图像识别方法

权利要求书

1.塔桅结构破损位置图像识别方法，其特征在于：所述方法具体过程为：

步骤一、采用无人机获取塔桅结构图像，对获取的塔桅结构图像进行预处理得到预处理后的图像，作为训练样本数据集；

步骤二、构建塔桅结构破损位置图像识别网络；

步骤三、将步骤一获得的训练样本数据集输入步骤二构建的塔桅结构破损位置图像识别网络进行训练，以获得训练好的塔桅结构破损位置图像识别网络；

步骤四、将待识别的塔桅结构图像输入训练好的塔桅结构破损位置图像识别网络，输出对待识别的塔桅结构图像的识别结果。

2.根据权利要求1所述的塔桅结构破损位置图像识别方法，其特征在于：所述步骤一中采用无人机获取塔桅结构图像，对获取的塔桅结构图像进行预处理得到预处理后的图像，作为训练样本数据集；具体过程为：

采用无人机获取塔桅结构图像，塔桅结构图像包括破损塔桅结构图像和非破损塔桅结构图像；

对破损塔桅结构图像和非破损塔桅结构图像进行标注；

对破损塔桅结构图像进行随机增强；具体方法包括：

第i个破损塔桅结构图像的形状表征为a*b，其中，a表示破损塔桅结构图像的宽，b表示破损塔桅结构图像的高，*表示乘号；

并在第i个破损塔桅结构图像上随机选取一个点Pi(xi,yi)，作为破损塔桅结构图像的中心；

破损塔桅结构图像的最小外接矩形半径Ri为：Ri＝max(a*b)/2；

对每个破损塔桅结构图像进行边缘平滑处理，获得边缘平滑处理后的图像；

根据Pi(xi,yi)和Ri确定破损塔桅结构图像的不同位置，将边缘平滑处理后的图像作为新的破损塔桅结构图像。

3.根据权利要求2所述的塔桅结构破损位置图像识别方法，其特征在于：所述步骤二中构建塔桅结构破损位置图像识别网络；具体过程为：

塔桅结构破损位置图像识别网络包括网络1、网络2和网络3；

网络1的输出输入网络2，网络2的输出输入网络3；

所述网络1为膨胀卷积模块；

所述膨胀卷积模块包括：第八膨胀卷积层、第八批归一化层BN、第八ReLU激活层、第九膨胀卷积层、第九批归一化层BN、第九ReLU激活层、第十膨胀卷积层、第十批归一化层BN、第十ReLU激活层；

所述网络2包括生成器和判别器；

所述生成器依次包括最近邻上采样层、第一二维卷积层、第一BN层、第一ELU激活层、第一亚像素卷积层、第二BN层、第二ELU激活层、第二亚像素卷积层、第三BN层、第三ELU激活层、第一自适应drop层、第二二维卷积层、tanh激活层；

所述判别器依次包括第三二维卷积层、第一LeakyReLU激活层、第四二维卷积层、第四BN层、第二LeakyReLU激活层、第五二维卷积层、第五BN层、第三LeakyReLU激活层、第三自适应drop层、全连接层、Softmax层。

4.根据权利要求3所述的塔桅结构破损位置图像识别方法，其特征在于：所述膨胀卷积模块的连接关系为：

第八膨胀卷积层连接第八批归一化层BN，第八批归一化层BN连接第八ReLU激活层，第八ReLU激活层连接第九膨胀卷积层，第九膨胀卷积层连接第九批归一化层BN，第九批归一化层BN连接第九ReLU激活层，第九ReLU激活层连接第十膨胀卷积层，第十膨胀卷积层连接第十批归一化层BN，第十批归一化层BN连接第十ReLU激活层，第十ReLU激活层输出结果。