[发明专利]基于层级区域特征融合学习的输电线路缺陷检测方法有效
| 申请号： | 201910614536.5 | 申请日： | 2019-07-09 |
| 公开（公告）号： | CN110335270B | 公开（公告）日： | 2022-09-13 |
| 发明（设计）人： | 赵振兵;聂礼强;熊剑平;张万征;罗旺;赵砚青;李延旭;戚银城;赵文清 | 申请（专利权）人： | 华北电力大学（保定）;山东大学;浙江大华技术股份有限公司;智洋创新科技股份有限公司;南瑞集团有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/46;G06V10/25;G06V10/774;G06V10/764;G06V10/82;G06N3/04;G06N3/08;G01N21/88;G01R31/08 |
| 代理公司： | 北京圣州专利代理事务所(普通合伙) 11818 | 代理人： | 朱芳斌 |
| 地址： | 071003 河*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于层级区域特征融合学习的输电线路缺陷检测方法，包括：构建和调取Faster R‑CNN模型；将主干网络提取的目标特征通过RPN网络回归得到目标区域；通过对输入图像进行RoI pooling操作产生局部层级区域特征，通过深度选择网络学习产生特征融合所需要的权重将深层特征区域和浅层特征区域融合；并通过分类网络和回归网络产生最后的预测结果。本发明利用深度选择网络产生自学习的区域特征融合权重，节省调整参数的时间，并使模型学习得到的融合特征能够较好地适应不同复杂情况下的缺陷检测任务，深度模型使用区域特征进行预测，强化模型对提取目标局部特征的学习能力，降低了模型在实际环境中因输电线路缺陷图像的复杂背景和类间差异产生的误检问题。 | ||
| 搜索关键词： | 基于 层级 区域 特征 融合 学习 输电 线路 缺陷 检测 方法 | ||
【主权项】：
1.基于层级区域特征融合学习的输电线路缺陷检测方法，其特征在于，包括：构建和调取Faster R‑CNN模型；将主干网络提取的目标特征通过RPN网络回归得到目标区域；通过对输入图像进行RoI pooling操作产生局部深浅层区域特征，通过深度选择网络产生特征融合所需要的权重将深层特征区域和浅层特征区域融合；并通过分类网络和回归网络产生最后的预测结果。
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华北电力大学（保定）;山东大学;浙江大华技术股份有限公司;智洋创新科技股份有限公司;南瑞集团有限公司，未经华北电力大学（保定）;山东大学;浙江大华技术股份有限公司;智洋创新科技股份有限公司;南瑞集团有限公司许可，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/201910614536.5/，转载请声明来源钻瓜专利网。
- 上一篇：眼底图像的类别识别方法和装置
- 下一篇：一种电气部件故障的红外检测方法及装置
