[发明专利]一种基于深度学习的电力设备检测方法

摘要

本发明提出了一种基于深度学习的电力设备检测方法，涉及图像处理技术领域。本发明提供一种基于深度学习的电力设备检测方法，包括样本收集、样本标注、样本预处理、模型训练、模型测试和滑动检测。本发明可以实现精确的设备定位和设备类型的检测，大大降低人工成本，提高巡检机器人的智能化水平。

主权项

1.一种基于深度学习的电力设备检测方法，其特征在于，包括以下步骤：1)样本收集：收集样本，所述样本为拍摄有电力设备的实际场景的图片；将收集的样本称为第一样本；2)样本标注：如为首次标注则采用人工的方式对第一样本进行标注，如为模型迭代优化则先利用已有模型对第一样本进行自动标注，再进行人工检查和修改；标注的内容为样本图片中每个设备最小包围框的左上角和右下角的坐标值以及每个包围框中的设备类型；将进行样本标注后的样本称为第二样本；3)样本预处理：对第二样本进行随机裁剪，生成样本尺度统一的第三样本，将第三样本按比例划分为模型训练样本集和模型测试样本集；4)模型训练：基于ResNet‑101的R‑FCN检测方法，利用深度学习工具CAFFE对步骤3)得到的模型训练样本集进行模型训练；5)模型测试，具体为：利用步骤3)得到的模型测试样本集对模型进行测试，判断模型的平均精度是否满足要求：若满足要求，则模型训练合格，进行步骤6)；若不满足要求，则模型训练不合格，重复步骤1)‑4)进行模型的迭代优化；6)滑动检测，具体为：设置滑动窗口，将待测图片切分为若干与滑动窗口分辨率相同的局部待测图片；利用经步骤5)模型测试合格的模型对局部待测图片进行电力设备检测，获得电力设备位置及类型。