一种基于航拍图像的检测输电线路中鸟巢的方法技术

本发明专利技术涉及一种基于航拍图像的检测输电线路中鸟巢的方法，包括下列步骤：构建带有标注和标签的图片数据库。分别训练两个深度卷积神经网络：利用所得的数据集，对分类网络VGG16进行修改，变成两个检测网络，分别对其进行训练，得到一个鸟巢粗选神经网络和一个鸟巢细选神经网络，其中粗选网络利用在特征图上进行滑窗的方法可得到鸟巢粗选区域，然后用粗选区域训练鸟巢细选网络，从而得到最佳鸟巢区域。交叉训练微调网络构建检测模型。采用交叉训练的方法，重新训练所得到的粗选神经网络和细选神经网络，使两个网络能够共享前13层卷积层参数，将两个网络组合为一个端到端的卷积神经网络，从而构成鸟巢检测模型。

【技术实现步骤摘要】
一种基于航拍图像的检测输电线路中鸟巢的方法
本专利技术属于物体检测领域，涉及一种利用深度卷积神经网络的检测输电线路航拍图像中鸟巢的方法。
技术介绍
输电线路在电力系统中起着非常重要的作用，直接关系到千家万户的用电问题，大规模断电将给国民经济带来不可估量的损失。因此，输电线路的安全性是电力部门高度关注的问题之一[1]。鸟类的自然活动经常会干扰到输电线路的正常工作，例如鸟类常筑巢在输电线路杆塔上，其窝巢材料的掉落很容易引起杆塔周围线路的短路。因此，为了保证电网的安全可靠运行，必须对鸟类在输电线路杆塔上的筑巢行为进行监测、预警和防护。输电线路传统的检测方法是依靠人工检测，这种检测方法需要工作人员深入实地作业，受地理限制和时间限制较大，耗费大量的人力物力，监控覆盖范围有限。而无人机巡线技术、直升飞机巡线技术以及基于航拍图像检测系统的输电线路监控技术是目前新兴的输电线路监控方法。前两种方法分别利用无人机和直升飞机来替代人力进行输电线路巡线操作；而基于图像检测系统的输电线路监控技术是通过将采集来的图像传输至后台监测中心，利用监测中心的图像处理检测系统对输电线路杆塔的状态进行自动识别并告警。与传统本文档来自技高网...

【技术保护点】
一种基于航拍图像的检测输电线路中鸟巢的方法，包括下列步骤：第一步，构建带有标注和标签的图片数据库：采集输电线路的航拍图像，挑选出含有鸟巢的图片并对其进行标注，使用图像增强技术，构建符合格式要求、匹配网络结构的数据集。第二步，分别训练两个深度卷积神经网络：利用所得的数据集，对分类网络VGG16进行修改，变成两个检测网络，分别对其进行训练，得到一个鸟巢粗选神经网络和一个鸟巢细选神经网络，其中粗选网络利用在特征图上进行滑窗的方法可得到鸟巢粗选区域，然后用粗选区域训练鸟巢细选网络，从而得到最佳鸟巢区域；方法如下：(1)训练第一个神经网络作为鸟巢粗选神经网络：对VGG16网络进行修改，将分类网络变成如下...

【技术特征摘要】
1.一种基于航拍图像的检测输电线路中鸟巢的方法，包括下列步骤：第一步，构建带有标注和标签的图片数据库：采集输电线路的航拍图像，挑选出含有鸟巢的图片并对其进行标注，使用图像增强技术，构建符合格式要求、匹配网络结构的数据集。第二步，分别训练两个深度卷积神经网络：利用所得的数据集，对分类网络VGG16进行修改，变成两个检测网络，分别对其进行训练，得到一个鸟巢粗选神经网络和一个鸟巢细选神经网络，其中粗选网络利用在特征图上进行滑窗的方法可得到鸟巢粗选区域，然后用粗选区域训练鸟巢细选网络，从而得到最佳鸟巢区域；方法如下：(1)训练第一个神经网络作为鸟巢粗选神经网络：对VGG16网络进行修改，将分类网络变成如下的一个检测网络，保留VGG16网络的前13层卷积层作为特征提取层，去掉VGG16的全连接层，添加第14层卷积层，并在其上进行不同尺度的滑窗操作作为特征映射；再添加2个卷积层分别输出候选区域包含鸟巢的置信度和区域框的位置参数，使用SoftMax损失函数和L1-Loss损失函数分别计算置信度和位置参数的损失值；(2)训练第二个神经网...

【专利技术属性】
技术研发人员：侯春萍，管岱，杨阳，章衡光，郎玥，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12