[发明专利]基于卷积神经网络的导线分股缺陷图像识别方法在审
| 申请号： | 201910544443.X | 申请日： | 2019-06-21 |
| 公开（公告）号： | CN110246131A | 公开（公告）日： | 2019-09-17 |
| 发明（设计）人： | 刘宇霄;文川 | 申请（专利权）人： | 成都卡普数据服务有限责任公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 成都点睛专利代理事务所(普通合伙) 51232 | 代理人： | 李玉兴 |
| 地址： | 610000 四川省成都市武侯*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种识别效率较高、不会漏检的基于卷积神经网络的导线分股缺陷图像识别方法。该方法先通过基于卷积神经网络构建的用于识别导线分股缺陷图像的图像缺陷识别模型对待测的输电线路导线图进行识别得到具有导线分股的缺陷图像；然后再对待测的输电线路导线图进行一系列图像处理得到具有导线分股的缺陷图像；将先得到的具有导线分股的缺陷图像和后得到的具有导线分股的缺陷图像进行并集运算，得到最终的导线分股缺陷图像集，使得待测得输电线路导线图中导线分股缺陷都能够被检测出来，识别率较高且避免了导线分股缺陷被漏检得情况发生。适合电力输运系统缺陷检测技术领域推广应用。 | ||
| 搜索关键词： | 分股 缺陷图像 卷积神经网络 输电线路导线 漏检 电力输运系统 缺陷检测技术 图像处理 图像缺陷 识别率 中导线 并集 构建 运算 检测 | ||
【主权项】：
1.基于卷积神经网络的导线分股缺陷图像识别方法，其特征在于包括以下步骤：(1)基于卷积神经网络构建用于识别导线分股缺陷图像的图像缺陷识别模型；(2)获取多个待测的输电线路导线图；(3)将获取的待测的输电线路导线图输入图像缺陷识别模型，得到具有导线分股的缺陷图像；(4)对步骤(2)获取的待测的输电线路导线图进行如下处理；将获取待测的输电线路导线图转化为灰度图，并利用Retinex算法进行图像增强，然后采用3次样条插值对灰度图进行缩放；接着，对图像进行图像分割，分离导线和背景区域；接着对导线特征进行提取，最后对导线进行分股识别得到具有导线分股的缺陷图像；(5)将步骤(3)得到的具有导线分股的缺陷图像和步骤(4)得到的具有导线分股的缺陷图像进行并集运算，得到最终的导线分股缺陷图像集。
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成都卡普数据服务有限责任公司，未经成都卡普数据服务有限责任公司许可，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/201910544443.X/，转载请声明来源钻瓜专利网。
