[发明专利]一种专用于输电线路运维的巡检图像缺陷检测方法

权利要求书

1.一种专用于输电线路运维的巡检图像缺陷检测方法，其特征在于：包括，

基于ResNet卷积神经网络架构提出一种专用于输电线路运维的巡检图像缺陷检测模型；

采用多尺度预测方案和金字塔上下文关联模型；

通过采用深度可分解模型替代卷积神经模块；

构建输电线路电力目标缺陷数据集，设置模型参数，训练巡检图像缺陷检测模型；

使用训练后的巡检图像缺陷检测模型，对输电线路巡检图片中的电力设备缺陷进行识别。

2.如权利要求1所述的一种专用于输电线路运维的巡检图像缺陷检测方法，其特征在于：所述专用于输电线路运维的巡检图像缺陷检测模型包括，采用残差网络模型作为巡检图像缺陷检测模型的特征提取网络，通过区域建议策略网络得到不同尺寸的目标候选区域信息，利用回归支路获取精确的目标位置信息。

3.如权利要求2所述的一种专用于输电线路运维的巡检图像缺陷检测方法，其特征在于：所述采用多尺度预测方案和金字塔上下文关联模型包括，采用特征金字塔结构提取多尺度特征，通过残差网络添加记忆通道，形成金字塔上下文关联模型，将低层的细节信息与高层的语义信息进行融合。

4.如权利要求3所述的一种专用于输电线路运维的巡检图像缺陷检测方法，其特征在于：所述通过采用深度可分解模型替代卷积神经模块包括，提高巡检图片缺陷检测速度，将标准卷积核分离形成深度卷积核和逐点卷积，当在深度卷积和逐点卷积后，分别添加批量正则化和ReLu激活函数。

5.如权利要求4所述的一种专用于输电线路运维的巡检图像缺陷检测方法，其特征在于：所述构建输电线路电力目标缺陷数据包括，通过无人机搭载图像采集设备采集输电线路杆塔、绝缘子、导地线、金具的可见光图片，挑选电力设备存在缺陷的图片，人工对巡检图片中缺陷左上顶位置和宽高进行标记，并对缺陷类型进行分类，随后依次按照图片名称、缺陷类型、缺陷坐上顶的横坐标、缺陷左上顶的纵坐标、缺陷的宽、缺陷的高的格式将标记信息写入文本文件，文本文件名称与图片名称保持一致，随机选择80％的图片组成训练样本库，供模型学习和挖掘输电线路典型缺陷的特征，经过选择后的20％图片构成验证集，验证训练过程中模型的准确性。

6.如权利要求5所述的一种专用于输电线路运维的巡检图像缺陷检测方法，其特征在于：所述巡检图像缺陷模型包括，多尺度特征提取模块、上下文关联模块和中继模块；

所述多尺度特征提取模块，利用深度可分解网络提取图像特征，在保证特征提取效果的情况下，降低模型的计算量，同时基于softmax激活函数，初步识别缺陷类型及位置；

所述上下文关联模块将浅层特征和深层特征相融合，提高模型对于小尺寸缺陷的精测精度；

所述中继模块负责将深度特征反卷积成更大维度的特征图与浅层特征保持相同的维度，可进行矩阵相加操作。