一种基于深度学习的台区部件检测方法技术

本发明专利技术公开了一种基于深度学习的台区部件检测方法，克服了现有技术现有技术的人工测量成本高、耗时久的问题，包括：S1、进行样本收集，收集多个地区标准台区的多种距离、角度、方位的图片数据；S2、对收集到的样本进行样本标注；S3、样本经过调整后输入台区部件检测模型进行模型训练和待测样本图片预处理；S4、进行模型推理。本发明专利技术本案可以通过对图片进行处理和计算完成巡检对台区部件进行质量判断，并根据结果判断台区安装是否规范，能够缩短巡检时间，实现台区部件量化指标的测量；通过双目相机进行样本收集，且可以规范部件安装位置距离的测量，便于对图片数据进行下一步处理。便于对图片数据进行下一步处理。便于对图片数据进行下一步处理。

【技术实现步骤摘要】
一种基于深度学习的台区部件检测方法


[0001]本专利技术涉及深度学习
，尤其是涉及一种基于深度学习的台区部件检测方法。

技术介绍

[0002]根据技术查新报告，现有标准台区的巡检方式目前仍然是人工巡检为主，主要是通过肉眼观察台区部件和人工测量来对台区进行质量判断，根据结果来判断台区安装是否规范。人工巡检通过肉眼观察台区部件和人工测量来对台区进行质量判断，该方式需要耗时耗力。

技术实现思路

[0003]本专利技术是为了克服现有技术的人工测量成本高、耗时久的问题，提供一种基于深度学习的台区部件检测方法，实现节约巡检成本，缩短巡检时间，减轻巡检人员负担，能够利用深度学习技术实现台区部件的智能检测识别，结合双目测距技术实现台区部分量化指标的测量。
[0004]为了实现上述目的，本专利技术采用以下技术方案：一种基于深度学习的台区部件检测方法，包括以下步骤：S1、进行样本收集，收集多个地区标准台区的多种距离、角度、方位的图片数据；S2、对收集到的样本进行样本标注；S3、样本经过调整后输入台区部件检测模型进行模型训练和待测样本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的台区部件检测方法，其特征是，包括以下步骤：S1、进行样本收集，收集多个地区标准台区的多种距离、角度、方位的图片数据；S2、对收集到的样本进行样本标注；S3、样本经过调整后输入台区部件检测模型进行模型训练和待测样本图片预处理；S4、进行模型推理。2.根据权利要求1所述的一种基于深度学习的台区部件检测方法，其特征是，所述S2包括以下内容：定义样本图片中需要标注的目标类别，包括JP柜、标识牌、变压器、警示牌、杆号牌、相位牌、异线并购夹以及各横担间电杆区域；设计样本标注规则，标注目标区域为该目标实际区域的最小外接矩形；完成采集样本的标注工作。3.根据权利要求2所述的一种基于深度学习的台区部件检测方法，其特征是，将包括JP柜、标识牌、变压器、警示牌、杆号牌、相位牌、异线并购夹以及各横担间电杆区域才内的目标类型定义目标集合W＝{w1,w2......w
n
}。4.根据权利要求2所述的一种基于深度学习的台区部件检测方法，其特征是，所述S2还包括以下内容：每一个目标区域均为多边形，多边形包括i个顶点Si，i个顶点与其他顶点连接组成的的对角线共有1/2*i(i
‑
3)条，对角线之间的交点作为若干个特征点，识别每一个特征点到各个顶点的距离比值，台区部件检测模型的GPU将目标区域的特征点的距离比值与已有目标类型比对得出样本图片中的目标类型并构建目标集合。5.根据权利要求4所述的一种基于深度学习...

【专利技术属性】
技术研发人员：毛江山，范明，邵航，邹会权，高坤，李红日，雷强，邬成锋，王磊，马振琦，彭坤，陈万昆，屠佳晔，陈登波，徐涛，郝栋梁，龙鹏，白俊，路凯，
申请(专利权)人：浙江未来技术研究院嘉兴嘉兴市恒光电力建设有限责任公司滨海分公司，
类型：发明
国别省市：