[发明专利]一种基于深度学习和距离约束的航拍图像防震锤滑移故障诊断方法

摘要

本发明涉及一种基于深度学习和距离约束的航拍图像防震锤滑移故障诊断方法，输入图像首先经过Faster R‑CNN深度学习目标检测网络，检测出图像中的防震锤区域，得到防震锤区域坐标后，计算出相邻防震锤之间的x轴间距，通过距离约束判定防震锤滑移故障。本发明能够帮助巡线工作人员完成初步的巡线图像数据诊断，减轻其工作强度并提升电力巡线的智能化水平。

主权项

1.一种基于深度学习和距离约束的航拍图像防震锤滑移故障诊断方法，其特征在于包括以下步骤：步骤S1：建立防震锤检测图像库；步骤S2：采用数据增强技术扩充步骤S1中的防震锤检测图像库；步骤S3：建立与所述防震锤检测图像库对应的图像标签库：对所述防震锤检测图像库中的每幅图片建立相应的符合标准PASCAL VOC格式的xml标签文件；步骤S4：建立深度学习模型：采用深度学习目标检测网络Faster R‑CNN作为建立的深度学习模型；步骤S5：生成数据集：将所有参与训练的图像以及与其对应的标签文件合成一个用于训练的、能够进行高效读取的文件；步骤S6：训练防震锤检测模型：利用步骤S3的深度学习模型通过反向传播算法在防震锤检测图像库上进行训练，得到防震锤检测模型；其中，训练所用的初始化模型为在COCO数据集上训练所得的模型；步骤S7：固化模型用于快速检测：将步骤S5得到的防震锤检测模型中所含的训练变量剔除，只保留包括前向传播的神经元权重与偏置在内的常量，缩小防震锤检测模型的体积；步骤S8：将待检测的图片或者视频输入到固化后的防震锤检测模型中，用矩形边界框在原图像或者视频中，标注出检测到的防震锤区域，以及它们的置信度得分；步骤S9：利用步骤S8检测出的防震锤区域位置的坐标，计算出相邻防震锤之间的x轴间距，通过距离约束判断防震锤是否发生滑移故障。