[发明专利]一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法在审
| 申请号： | 201910440969.3 | 申请日： | 2019-05-24 |
| 公开（公告）号： | CN110503623A | 公开（公告）日： | 2019-11-26 |
| 发明（设计）人： | 宁柏锋;冯薇玺;张国昌;杨育 | 申请（专利权）人： | 深圳供电局有限公司;深圳市康拓普信息技术有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/73;G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 44217 深圳市顺天达专利商标代理有限公司 | 代理人： | 郭伟刚<国际申请>=<国际公布>=<进入 |
| 地址： | 518000 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法，该方法包括以下步骤：收集输电线路的鸟巢缺陷图像，并在鸟巢缺陷图像上人工标注鸟巢位置得到人工标注图像；对人工标注图像进行样本量的扩充得到训练样本集；通过卷积神经网络构建用于识别鸟巢缺陷的CNN网络模型，并以该训练样本集为训练数据对该CNN网络模型进行训练；将训练完成的该CNN网络模型部署在CPU或GPU上用于对待检测图像进行识别；采用无人机对输电线路进行拍摄获取该待检测图像；将该待检测图像输入该CNN网络模型，该CNN网络模型识别该待测图像中的鸟巢缺陷，并计算出鸟巢缺陷在该待测图像中的位置坐标。该方法可以识别输电线路上的鸟巢缺陷，而且还可标注出鸟巢缺陷的准确位置。 | ||
| 搜索关键词： | 鸟巢 网络模型 人工标注 卷积神经网络 待检测图像 训练样本集 输电线 待测图像 缺陷图像 输电线路 图像 检测图像 位置坐标 训练数据 准确位置 样本量 构建 标注 拍摄 部署 | ||
【主权项】：
1.一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法，其特征在于，所述方法包括以下步骤：/n步骤S1，收集输电线路的鸟巢缺陷图像，并在鸟巢缺陷图像上人工标注鸟巢位置得到人工标注图像；/n步骤S2，对人工标注图像进行样本量的扩充得到训练样本集；/n步骤S3，通过卷积神经网络构建用于识别鸟巢缺陷的CNN网络模型，并以所述训练样本集为训练数据对所述CNN网络模型进行训练；/n步骤S4，将训练完成的所述CNN网络模型部署在CPU或GPU上用于对待检测图像进行识别；/n步骤S5，采用无人机对输电线路进行拍摄获取所述待检测图像；/n步骤S6，将所述待检测图像输入所述CNN网络模型，所述CNN网络模型识别所述待测图像中的鸟巢缺陷，并计算出鸟巢缺陷在所述待测图像中的位置坐标。/n
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深圳供电局有限公司;深圳市康拓普信息技术有限公司，未经深圳供电局有限公司;深圳市康拓普信息技术有限公司许可，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/201910440969.3/，转载请声明来源钻瓜专利网。
