[发明专利]一种基于改进SSD算法的绝缘子缺陷识别方法

说明书

本发明提供一种基于改进SSD算法的绝缘子缺陷识别方法，包括以下步骤：利用无人机采集绝缘子图像，通过Grabcut背景替换算法以及数据增强算法对图像进行扩充，使用LabelImg工具标注绝缘子图像，将标记好的绝缘子数据集转换为txt格式，并将其划分为训练集、验证集和测试集。基于SSD算法构建绝缘子缺陷检测模型，通过替换主干网络为Resnet50、新增金字塔模块以及Shuffle Attention模块完成对SSD算法的优化。将数据在改进后的SSD算法上进行训练，设置模型超参数。通过测试集对训练后的训练模型进行测试，计算mAP，Parameters、GFLOPs等指标。本发明能够增强网络的特征提取能力，保证绝缘子缺陷小目标的识别精度。

技术领域

本发明属于计算机视觉图像识别技术领域，具体涉及一种基于改进SSD算法的绝缘子缺陷识别方法。

背景技术

随着我国输电线路电压等级逐步提高，架设区域范围扩大，利用无人机对输电线路进行高效巡检的需求不断扩大。绝缘子作为输电线路的重要器件之一，由其缺陷引发的事故超过一半，对输电线路绝缘子实施高效、精准的缺陷识别是维护电网正常运行的必要条件。近年来，为了获得更高的检测精度，卷积神经网络向着构建更深的网络结构发展，这些网络在模型大小、算法速度上很难达到边缘计算设备的需求，因此，对算法进行轻量化改进具有十分重要的意义。在模型轻量化的同时，势必会带来精度的折损，如何实现算法精度与复杂度的平衡，使其能够满足无人机巡检实时、准确的需求，也是目前亟需解决的问题。

发明内容

解决的技术问题：针对上述背景技术的不足，本发明公开了一种基于改进SSD算法的绝缘子缺陷识别方法，降低了模型参数量与计算量，解决了模型复杂度高难以搭载至无人机的问题，同时通过优化锚框尺寸、替换主干网络为Resnet50、增加金字塔模块以及Shuffle Attention模块的方式提高绝缘子缺陷目标的全类平均检测精度。

本发明为实现上述发明目的采用如下技术方案：

基于改进SSD算法的绝缘子缺陷识别方法包括以下步骤：

步骤1、利用无人机采集绝缘子图像，本发明采用电网某公司提供的航拍绝缘子巡检图片制作数据集。航拍绝缘子图片中，绝缘子破损照片688张，绝缘子闪络照片692张，绝缘子掉串照片48张，存在样本类别不均衡且数量过少的问题。

步骤2、针对航拍绝缘子图片样本类别不均衡和数量过少的问题，对航拍绝缘子图片进行扩充，避免模型训练出现过拟合的问题。

步骤3、利用LabelImg工具对数据集进行标注，绝缘子标签为Insulator，绝缘子破损标签为Broken，绝缘子闪络标签为Flashover，绝缘子掉串标签为Drop。数据集中各类标签数量为：Insulator标签共2889处，Broken标签共1155处，Flashover标签共886处，Drop标签共774处。

步骤4、划分数据集为训练集、验证集、测试集。航拍绝缘子数据集用LabelImg工具标注过后生成xml格式文件，将其转换为txt格式文件以应用于SSD目标检测算法。格式转换后，按照8：1：1的比例将数据集划分训练集、验证集和测试集。

步骤5、基于SSD算法构建绝缘子缺陷检测模型，所述绝缘子缺陷检测模型以SSD目标检测算法为基础，首先将其主干网络VGG16更改为Resnet50，并将Resnet50网络结构作删减与修改，使其与SSD网络结构更好地融合；其次新增金字塔模块，将浅层特征与深层特征融合，充分利用各尺寸特征图中所含的特征，提高模型对个尺寸目标的感知能力；最后在主干网络输出的浅层特征图后加入Shuffle Attention模块，进一步提升模型对绝缘子缺陷的检测精度。

步骤6、基于改进SSD算法的绝缘子缺陷检测模型训练。

步骤7、基于改进SSD算法的绝缘子缺陷检测模型性能测试。

本发明的有益效果：