[发明专利]一种受电弓电火花故障检测方法、装置、设备及存储介质

权利要求书

1.一种受电弓电火花故障检测方法，其特征在于，包括：

获取受电弓摄像机采集到的原始彩色图像，利用所述原始彩色图像对全卷积单阶段受电弓检测模型进行训练，以得到训练好的检测模型；所述全卷积单阶段受电弓检测模型中包含全卷积主干网络、类特征金字塔以及检测头；所述类特征金字塔为在特征金字塔内添加膨胀卷积后得到的；

利用全类平均正确率对所述训练好的检测模型进行评估，并从中筛选出满足预设评估条件的目标检测模型；

将待检测受电弓图像输入所述目标检测模型，以便利用所述目标检测模型中的全卷积主干网络提取所述待检测受电弓图像的核心特征图，基于所述目标检测模型中的类特征金字塔对所述核心特征图进行特征融合，以得到不同尺度特征图，并根据所述目标检测模型中的检测头对所述不同尺度特征图进行受电弓电火花故障检测以及位置定位检测。

2.根据权利要求1所述的受电弓电火花故障检测方法，其特征在于，所述利用所述原始彩色图像对全卷积单阶段受电弓检测模型进行训练，以得到训练好的检测模型，包括：

利用COCO目标检测数据集对初始全卷积单阶段受电弓检测模型进行训练，以得到对应的权重参数；

基于所述权重参数对全卷积单阶段受电弓检测模型进行初始化，然后将所述原始彩色图像输入所述全卷积单阶段受电弓检测模型，以得到不同尺度特征图；

在所述不同尺度特征图上，根据损失函数并采用反向传播算法对所述全卷积单阶段受电弓检测模型进行训练，以得到训练好的检测模型。

3.根据权利要求2所述的受电弓电火花故障检测方法，其特征在于，所述在所述不同尺度特征图上，根据损失函数并采用反向传播算法对所述全卷积单阶段受电弓检测模型进行训练，以得到训练好的检测模型，包括：

对于每个尺度特征图中的特征点，根据预设正样本数量、预测类别概率以及与真实类别标签对应的真实类别概率确定对应的分类焦点损失；

基于所述分类焦点损失确定出匹配为受电弓电火花类别的特征点，然后根据所述预设正样本数量、预测目标边界框信息以及真实目标边界框信息确定对应的位置定位交并比损失；

基于所述分类焦点损失和所述位置定位交并比损失确定损失函数，根据所述损失函数并采用反向传播算法对所述全卷积单阶段受电弓检测模型进行训练，以得到训练好的检测模型。

4.根据权利要求3所述的受电弓电火花故障检测方法，其特征在于，所述利用全类平均正确率对所述训练好的检测模型进行评估之前，还包括：

利用测试集对所述训练好的检测模型进行测试，确定出匹配为所述受电弓电火花类别的测试样本以及对应的位置信息；

分别计算与每个预设交并比阈值对应的匹配为所述受电弓电火花类别的测试样本的平均正确率；

基于预设平均计算规则对与所有预设交并比阈值对应的平均正确率进行计算，以得到全类平均正确率。

5.根据权利要求1所述的受电弓电火花故障检测方法，其特征在于，所述利用所述目标检测模型中的全卷积主干网络提取所述待检测受电弓图像的核心特征图，包括：

利用所述目标检测模型中的携带BatchNorm层的轻量级深度残差网络模型对所述待检测受电弓图像进行特征提取，以得到对应的核心特征图。

6.根据权利要求1所述的受电弓电火花故障检测方法，其特征在于，所述基于所述目标检测模型中的类特征金字塔对所述核心特征图进行特征融合，以得到不同尺度特征图，包括：

对所述核心特征图进行卷积操作，并结合相应的上采样和下采样操作，以得到不同尺度初始特征图；

对所述不同尺度初始特征图中的满足预设膨胀卷积条件的目标尺度初始特征图进行膨胀卷积处理，以得到不同尺度特征图。