【技术实现步骤摘要】
一种基于R-DFPN算法的绝缘子倾斜定位与识别方法
本专利技术属于计算机视觉领域，具体涉及一种基于R-DFPN算法的绝缘子倾斜定位与识别方法，通过深度学习的方法实现在图片中分类并定位绝缘子。
技术介绍
在电力系统中的输电线路中，绝缘子是很重要的元器件之一。首先，绝缘子铺设在户外环境中，较容易受气候干扰等自然因素的影响发生磨损、弯曲等故障，再加上绝缘子自身材料的影响，经过一定时间的运作，会导致部分绝缘子功能失效。再则，由于绝缘子长期的运行，也会因为内部的负荷关系导致产生一些变化而损坏。其次，大部分绝缘子在温差变化比较大的环境中运行，因为温差的变化也会导致一些损坏的发生。作为重要元器件的绝缘子在电网中的作用是不言而喻的，一旦受到损坏导致供电中断，重则会造成巨大的经济损失。为了保障电网安全有保障的运行，必须及时进行检测与维护。电力设备的巡检过程中，一般采取无人机巡线方式，无人机巡线方式具有安全、高效等特点。无人机巡线平台装载摄像机获取大量航拍绝缘子图像。航拍绝缘子图像包含了绝缘子本体与绝缘子周围的户外环境。利用计算机视觉技...
【技术保护点】
1.一种基于R-DFPN算法的绝缘子倾斜定位与识别方法，其特征在于，包括以下步骤：/n步骤1：采用无人机航拍的方式获取绝缘子目标数据集，再经过人工标注绝缘子的倾斜位置，最后建立训练集与测试集。/n步骤2：训练过程中，先由基础网络层进行前期特征提取，然后使用密集特征金字塔架构多尺度输出特征图至候选区域提取子网络。/n步骤3：候选区域提取子网络包括旋转锚框机制、倾斜非极大值抑制以及多尺度的旋转感兴趣池化层，输出感兴趣的旋转候选区域至分类回归子网络。/n步骤4：分类回归子网络对候选区域子网络提出的感兴趣旋转候选区域进行识别和定位，再由倾斜非极大值抑制输出最后的识别和定位结果。/n
【技术特征摘要】
1.一种基于R-DFPN算法的绝缘子倾斜定位与识别方法，其特征在于，包括以下步骤：
步骤1：采用无人机航拍的方式获取绝缘子目标数据集，再经过人工标注绝缘子的倾斜位置，最后建立训练集与测试集。
步骤2：训练过程中，先由基础网络层进行前期特征提取，然后使用密集特征金字塔架构多尺度输出特征图至候选区域提取子网络。
步骤3：候选区域提取子网络包括旋转锚框机制、倾斜非极大值抑制以及多尺度的旋转感兴趣池化层，输出感兴趣的旋转候选区域至分类回归子网络。
步骤4：分类回归子网络对候选区域子网络提出的感兴趣旋转候选区域进行识别和定位，再由倾斜非极大值抑制输出最后的识别和定位结果。
2.根据权利要求1所述的一种基于R-DFPN算法的绝缘子倾斜定位与识别方法，其特征在于，所述步骤1中，标注绝缘子图片中的绝缘子位置使用旋转边界框的方式。使用(x，y，w，h，θ)五个参数唯一地确定任意一个旋转边界框，(x，y)表示的是边界框在图中的中心位置，(w，h)表示的是边界框的宽和高，(θ)表示的是旋转边界框绕水平轴(x轴)逆时针旋转遇到边界框的第一边缘的角度，角度的范围在[-90，0]之间。
3.根据权利要求1所述的一种基于R-DFPN算法的绝缘子倾斜定位与识别方法，其特征在于，所述步骤1中，绝缘子数据集是经过数据增强方式得到的，数据增强方式包括平移、仿射变换、畸变、模糊、旋转。
4.根据权利要求1所述的一种基于R-DFPN算法的绝缘子倾斜定位与识别方法，其特征在于，所述步骤2中，所述基础网络层是由卷积神经网络组成的。
所述密集特征金字塔的架构是由基础网络层的最后一个特征图激活输出作为输入。密集特征金字塔中自下而上的结构为{C2，C3，C4，C5}，密集特征金字塔中自上而下的结构为{P2，P3，P4，P5}。{P2，P3，P4，P5}是由{C2，C3，C4，C5}横向连接并经过密集连接得到的。同时{P2，P3，P4，P5}为候选区域子网络的多尺度输入，其具体定义如下：
P5＝Conv1×1(C5)(1)
其中pi...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。