[发明专利]基于YOLO的电缆设备外部腐蚀破损识别方法

摘要

本发明公开了一种基于YOLO的电缆设备外部腐蚀破损识别方法。现有的视频监控系统，往往只有监视功能，还不具备对电缆设备外部腐蚀破损状态进行自动识别的功能。本发明首先采用图像缩放方法调整图像尺寸，再利用卷积神经网络进行特征提取，其中每一层采用批量归一化方法规范模型，最后通过RPN网络预测边界框。本发明的方法识别准确率高，鲁棒性好；使用该方法在地下电缆隧道的巡检机器人系统中进行电缆设备外部腐蚀破损识别具有非常好的效果。

主权项

1.基于YOLO的电缆设备外部腐蚀破损识别方法，其特征在于，包括：1)通过隧道巡检机器人摄像头拍摄采集包含目标物的隧道内部电缆设备样本图像，样本图像中包含的目标物为隧道内部的槽盒、风机、检修电源箱和配电箱；2)遍历所有隧道内部电缆设备样本图像，对每张图像用包围框针对目标物进行标记处理，获得训练集；3)采用图像缩放方法调整图像尺寸：针对训练集中的样本图像进行图像缩放，调整图像尺寸；4)利用卷积神经网络对步骤3)得到的图像进行特征提取，其中卷积神经网络采用YOLO前20层卷积层训练好的网络，并采用批量归一化方法对每层网络进行归一化处理然后再进行输入，最后通过RPN网络来预测边界框；5)按步骤4)中方法不断迭代训练直至模型训练误差趋于稳定，最后获得的整个网络模型作为隧道内部电缆设备检测模型；6)实时采集电缆设备待测图像，按照与步骤3)中相同的图像缩放方法进行缩放后作为步骤5)获得的隧道内部电缆设备检测模型的输入，隧道内部电缆设备检测模型的输出即为电缆设备待测图像的最终识别结果。