一种树障检测方法、检测装置和计算机设备制造方法及图纸

本申请提供一种树障检测方法、检测装置和计算机设备，所述方法包括：将第一树障图像训练样本输入到初始树障检测神经网络进行训练，得到用于检测树障的第一树障检测神经网络；获取无人机巡检电力线路的历史图像，通过第一树障检测神经网络对历史图像进行检测，得到第二树障图像训练样本；利用目标风格迁移网络将第二树障图像训练样本的内容信息和第一树障图像训练样本的风格信息进行融合，得到第三树障图像训练样本；将第二树障图像训练样本和第三树障图像训练样本输入到第一树障检测神经网络进行训练，得到第二树障检测神经网络，利用第二树障检测神经网络对无人机巡检电力线路的实时图像进行检测，得到目标树障图像。可以提高树障检测的准确性。提高树障检测的准确性。提高树障检测的准确性。

【技术实现步骤摘要】
一种树障检测方法、检测装置和计算机设备


[0001]本申请涉及树障检测的
，具体涉及一种树障检测方法、检测装置和计算机设备。

技术介绍

[0002]现有的树障检测方法都是基于已有的训练样本对神经网络模型进行训练，以得到树障检测网络模型；然而，受限于训练样本的数量的限制，因此训练得到的树障检测网络模型的基础训练数据有限，且训练样本的树障情况、图像环境可能和无人机巡检得到的存在较大差异，因此现有的树障检测网络模型的检测准确性较低。

技术实现思路

[0003]本申请的目的在于克服现有技术中的缺点与不足，提供一种树障检测方法、检测装置和计算机设备，可以拓展树障图像训练样本的数量，并根据拓展的树障图像训练样本对树障检测神经网络进行二次训练，从而提高树障检测神经网络的检测准确性。
[0004]本申请的一个实施例提供一种树障检测方法，包括：
[0005]将第一树障图像训练样本输入到初始树障检测神经网络进行训练，得到用于检测树障的第一树障检测神经网络；所述第一树障图像训练样本包括被标注的树障以及围绕所述树障的环境对象；
[0006]获取无人机巡检电力线路的历史图像，通过所述第一树障检测神经网络对所述历史图像进行检测，得到第二树障图像训练样本；
[0007]将所述第一树障图像训练样本输入初始风格迁移网络进行训练，得到用于分别提取内容信息和风格信息的目标风格迁移网络；其中内容信息为图像中的树障，风格信息为图像中的环境对象；
[0008]利用所述目标风格迁移网络提取所述第二树障图像训练样本的内容信息和所述第一树障图像训练样本的风格信息；
[0009]将所述第二树障图像训练样本的内容信息和所述第一树障图像训练样本的风格信息进行融合，得到第三树障图像训练样本；
[0010]将所述第二树障图像训练样本和第三树障图像训练样本输入到所述第一树障检测神经网络进行训练，得到用于检测树障的第二树障检测神经网络；
[0011]获取所述无人机巡检电力线路的实时图像，通过所述第二树障检测神经网络对所述实时图像进行检测，得到目标树障图像。
[0012]相对于现有技术，本申请的树障检测方法先根据第一树障图像训练样本对初始树障检测神经网络进行训练，得到第一树障检测神经网络，再利用所述第一树障检测神经网络对无人机巡检电力线路的历史图像进行检测，得到第二树障图像训练样本，再根据所述第二树障图像训练样本的内容信息和所述第一树障图像训练样本的风格信息得到第三树障训练样本，从而拓展了训练样本的数量，且由于所述第二树障训练样本是通过对无人机
巡检电力线路的历史图像进行检测得到的，因此得到的训练样本中的图像环境会更加贴合无人机实际巡检的地理环境，因此通过所述第二树障训练样本和第三树障训练样本对所述第一树障检测神经网络进行二次训练，可以得到的检测准确性高的第二树障检测神经网络。
[0013]在一个实施例中，所述得到所述第二树障图像训练样本的步骤后，还包括：
[0014]利用余弦相似度检测所述第二树障图像训练样本和所述第一树障图像训练样本的像素的余弦相似度；
[0015]若所述余弦相似度小于预设的阈值，保留对应的所述第二树障图像训练样本，否则，删除对应的所述第二树障图像训练样本。
[0016]可以防止训练样本中出现过多相似度高的训练样本，减轻训练样本的存储压力。
[0017]在一个实施例中，所述利用余弦相似度检测所述第二树障图像训练样本和所述第一树障图像训练样本的像素的余弦相似度的步骤，包括：
[0018]将所述第一树障图像训练样本和所述第二树障图像训练样本进行灰度化处理，得到第一灰度图和第二灰度图；
[0019]将所述第一灰度图和第二灰度图的像素转换成向量，得到用于进行余弦相似度检测的多个第一向量和多个第二向量。
[0020]计算各个所述第一向量和对应的第二向量的余弦相似度，如下公式所示：
[0021][0022]其中，T(x，y)为所述第一向量和第二向量的余弦相似度，x为所述第一向量；y为所述第二向量；x
i
为所述第一向量的第i维向量；y
i
为所述第二向量的第i维向量。
[0023]通过将第一树障图像训练样本和第二树障图像训练样本中的像素转换成向量，再通过余弦相似度检测两种向量的相似度，从而判断所述第一树障图像训练样本和第二树障图像训练样本的相似度。
[0024]在一个实施例中，所述初始树障检测神经网络为双分支级联网络，包括预设有第一权重值的RGB信息检测分支和预设有第二权重值深度信息检测分支；其中，所述RGB信息检测分支用于检测图像的RGB信息，所述深度信息检测分支用于检测图像中树障的距离远近信息。
[0025]通过双分支级联网络的RGB信息检测分支图像的RGB信息，以及通过深度信息检测分支检测图像中树障的距离远近信息，可以更好地检测出图像中树障的特征。
[0026]在一个实施例中，还包括以下步骤：
[0027]利用所述目标风格迁移网络提取所述第二树障图像训练样本的风格信息和所述第一树障图像训练样本的内容信息；
[0028]将所述第二树障图像训练样本的风格信息和所述第一树障图像训练样本的内容信息进行融合，得到第四树障图像训练样本；
[0029]将所述第二树障图像训练样本、第三树障图像训练样本和第四树障图像训练样本输入到所述第一树障检测神经网络进行训练，得到用于检测树障的第二树障检测神经网络。
[0030]通过将所述第二树障图像训练样本的风格信息和所述第一树障图像训练样本的内容信息进行融合，得到第四树障图像训练样本，从而再增加训练样本的数量。
[0031]本申请还提供一种树障检测装置，包括：
[0032]第一训练模块，用于将第一树障图像训练样本输入到初始树障检测神经网络进行训练，得到用于检测树障的第一树障检测神经网络；所述第一树障图像训练样本包括被标注的树障以及围绕所述树障的环境对象；
[0033]第二训练样本获取模块，用于获取无人机巡检电力线路的历史图像，通过所述第一树障检测神经网络对所述历史图像进行检测，得到第二树障图像训练样本；
[0034]风格迁移网络训练模块，用于将所述第一树障图像训练样本输入初始风格迁移网络进行训练，得到用于分别提取内容信息和风格信息的目标风格迁移网络；其中内容信息为图像中的树障，风格信息为图像中的环境对象；
[0035]第一信息提取模块，用于利用所述目标风格迁移网络提取所述第二树障图像训练样本的内容信息和所述第一树障图像训练样本的风格信息；
[0036]第三训练样本获取模块，用于将所述第二树障图像训练样本的内容信息和所述第一树障图像训练样本的风格信息进行融合，得到第三树障图像训练样本；
[0037]第二训练模块，用于将所述第二树障图像训练样本和第三树障图像训练样本输入到所述第一树障检测神经网络进行训练，得到用于检测树障的第二树障检测神经网络；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种树障检测方法，其特征在于，包括：将第一树障图像训练样本输入到初始树障检测神经网络进行训练，得到用于检测树障的第一树障检测神经网络；所述第一树障图像训练样本包括被标注的树障以及围绕所述树障的环境对象；获取无人机巡检电力线路的历史图像，通过所述第一树障检测神经网络对所述历史图像进行检测，得到第二树障图像训练样本；将所述第一树障图像训练样本输入初始风格迁移网络进行训练，得到用于分别提取内容信息和风格信息的目标风格迁移网络；其中内容信息为图像中的树障，风格信息为图像中的环境对象；利用所述目标风格迁移网络提取所述第二树障图像训练样本的内容信息和所述第一树障图像训练样本的风格信息；将所述第二树障图像训练样本的内容信息和所述第一树障图像训练样本的风格信息进行融合，得到第三树障图像训练样本；将所述第二树障图像训练样本和第三树障图像训练样本输入到所述第一树障检测神经网络进行训练，得到用于检测树障的第二树障检测神经网络；获取所述无人机巡检电力线路的实时图像，通过所述第二树障检测神经网络对所述实时图像进行检测，得到目标树障图像。2.根据权利要求1所述的树障检测方法，其特征在于，所述得到所述第二树障图像训练样本的步骤后，还包括：利用余弦相似度检测所述第二树障图像训练样本和所述第一树障图像训练样本的像素的余弦相似度；若所述余弦相似度小于预设的阈值，保留对应的所述第二树障图像训练样本，否则，删除对应的所述第二树障图像训练样本。3.根据权利要求2所述的树障检测方法，其特征在于，所述利用余弦相似度检测所述第二树障图像训练样本和所述第一树障图像训练样本的像素的余弦相似度的步骤，包括：将所述第一树障图像训练样本和所述第二树障图像训练样本进行灰度化处理，得到第一灰度图和第二灰度图；将所述第一灰度图和第二灰度图的像素转换成向量，得到用于进行余弦相似度检测的多个第一向量和多个第二向量。计算各个所述第一向量和对应的第二向量的余弦相似度，如下公式所示：其中，T(x，y)为所述第一向量和第二向量的余弦相似度，x为所述第一向量；y为所述第二向量；x
i
为所述第一向量的第i维向量；y
i
为所述第二向量的第i维向量。4.根据权利要求1所述的树障检测方法，其特征在于：所述初始树障检测神经网络为双分支级联网络，包括预设有第一权重值的RGB信息检测分支和预设有第二权重值深度信息检测分支；其中，所述RGB信息检测分支用于检测图像的RGB信息，所述深度信息检测分支用于检测图像中树障的距离远近信息。
5.根据权利要求1所述的树障检测方法，其特征在于，还包括以下步骤：利用所述目标风格迁移网络提取所述第二树障图像训练样本的风格信息和所述第一树障图像训练样本的内容信息；将所述第二树障图像训练样本的风格信息和所述第一树障图像训练样本的内容信息进行融合，得到第四树障图像训练样本；将所述第二树障图像训练样本、第三树障图像训练样本和第四树障图像训练样本输入到所述第一树障检测神经网络进行训练，得到用于检测树障的第二树障检测神经网络。6.一种树障检测装置，其特征在于，包括：第一训练模块，用于将第一树障图像...

【专利技术属性】
技术研发人员：陈玉权，张欣，黄郑，王红星，吴媚，
申请(专利权)人：江苏方天电力技术有限公司，
类型：发明
国别省市：