[发明专利]基于深度学习的杆塔鸟巢检测方法

摘要

本发明提出一种基于深度学习的杆塔鸟巢检测方法，利用深度神经网络框架将航拍获得的杆塔鸟巢图像进行划分，先利用深度学习网络提取输电线路杆塔信息，再利用深度学习网络提取鸟巢的深度特征信息，利用所提取的特征信息进行深度预测，预测出航拍杆塔图像中每个划分区域的定位置信度，最后将划分区域合并成杆塔鸟巢目标检测矩形框。其中包括以Darknet为框架，使用yolo v2搭建深度学习网络模型，利用卷积神经网络进行目标矩形框的回归预测及置信度预测。在此基础上，还可以利用深度学习图像增强的方式，弥补深度学习网络数据量较少的缺点，并利用fine‑tune使得新数据可以在旧模型上继续训练，增强模型的特征偏向性和泛化能力。

主权项

1.一种基于深度学习的杆塔鸟巢检测方法，其特征在于，包括以下步骤：步骤S1：建立杆塔鸟巢训练图像库，对每一图像样本制作对应的标签文件；所述标签文件符合Pascal VOC格式的xml标签文件标准；步骤S2：建立深度学习网络模型，采用基于Darknet网络框架及yolo v2目标检测算法构建深度学习目标检测网络；步骤S3：将杆塔鸟巢训练图像库中的所有图像样本及对应的标签文件划分为训练集和测试集；步骤S4：采用yolo v2对所述训练集进行训练，获得初始杆塔检测模型和初始鸟巢检测模型；步骤S5：使用fine‑tune进行模型微调；步骤S6：采用测试集测试模型性能并固化模型，获得杆塔最终模型和鸟巢最终模型；步骤S7：待测图像依次经过杆塔最终模型和鸟巢最终模型检测，获得检测结果。