[发明专利]超像素分割与深度学习相结合的输电线路入侵物检测方法在审
| 申请号： | 201810608811.8 | 申请日： | 2018-06-13 |
| 公开（公告）号： | CN108921826A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 韩晶;蔡富东;陈兆文;吕昌峰 | 申请（专利权）人： | 山东信通电子股份有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/10;G06T7/90 |
| 代理公司： | 青岛发思特专利商标代理有限公司 37212 | 代理人： | 马俊荣 |
| 地址： | 255086 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种超像素分割与深度学习相结合的输电线路入侵物检测方法，包括以下步骤：A、获取样本图像；B、采用SLIC算法对图像进行超像素分割；C、超像素分割完成后，采用中值滤波算法进行处理；D、完成中值滤波后，选择样本训练Faster R‑CNN模型，形成检测模型文件；E、获取待测图像；F、采用检测模型文件对待测图像进行检测；G、根据检测结果获得识别后的结果。本发明能够提高隐患类型识别精度，降低隐患类型误报率，能够对隐患类型准确分类，避免环境因素对检测效果的干扰。 | ||
| 搜索关键词： | 像素分割 检测 隐患类型 模型文件 输电线路 入侵物 图像 中值滤波算法 待测图像 环境因素 检测结果 样本图像 样本训练 中值滤波 误报率 算法 学习 分类 | ||
【主权项】：
1.一种超像素分割与深度学习相结合的输电线路入侵物检测方法，其特征在于：包括以下步骤：A、获取样本图像；B、采用SLIC算法对图像进行超像素分割；C、超像素分割完成后，采用中值滤波算法进行处理，保证边缘信息的同时去掉噪声造成的干扰；D、完成中值滤波后，选择超像素块作为样本，训练Faster R‑CNN模型，形成检测模型文件；E、获取待测图像；F、采用检测模型文件对待测图像进行检测；G、根据检测结果获得识别后的结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东信通电子股份有限公司，未经山东信通电子股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810608811.8/，转载请声明来源钻瓜专利网。
