一种基于改进B-CNN算法的输电线植被入侵检测方法、装置及存储介质制造方法及图纸

本发明专利技术公开一种基于改进B

【技术实现步骤摘要】
一种基于改进B
‑
CNN算法的输电线植被入侵检测方法、装置及存储介质


[0001]本专利技术涉及图像检测
，特别是一种基于改进B
‑
CNN算法的输电线植被入侵检测方法、装置及存储介质。

技术介绍

[0002]将电力输送给用户的过程包括三个步骤：发电、输电和配电。传输线是传输过程的骨干基础设施。有许多环境因素可能影响传播过程，如森林火灾、风暴和植被退化。在植被密度高的地区，输电线路的安装、运行和维护面临的一个主要挑战是侵入。当树枝与传输线接触时，过度生长会导致闪光。目前有许多不同的方法可用于监测植被侵蚀如通过检查员定期访问巡查指定地区，但这需要大量的检查人员进行检查，尽管数据采集过程是有效的，但相对于整个区域而言，数据采集过程非常昂贵。高分辨率图像采集方式则能够显著克服高成本限制，并可以使用提供广泛的地理信息。
[0003]植被指数法是一种利用可见图像监测沿强光路的植被活动的方法，其根据植被指数的计算对不同密度的植物进行检测，包括计算标准化差异植被指数(NDVI)、增强植被指数(EVI)和最外层植本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进B
‑
CNN算法的输电线植被入侵检测方法，其特征是，包括：获取待检测的输电线环境图像；对输电线环境图像进行预处理；对预处理后的图像提取GLCM特征；将预处理后的输电线环境图像以及所提取的图像GLCM特征输入预先训练的输电线植被入侵检测模型，得到模型输出的分类结果；根据输电线植被入侵检测模型分类结果输出植被侵入区域以及输电线区域分别被标记的图像。2.根据权利要求1所述的方法，其特征是，所述对输电线环境图像进行预处理还包括对图像进行分块，每个图像块的像素为n
×
n，输入至输电线植被入侵检测模型的输电线环境图像为分块处理后的图像。3.根据权利要求1所述的方法，其特征是，所述输电线植被入侵检测模型采用B
‑
CNN网络，其包括依次设置的输入层、卷积层、双线性池化层以及Softmax归一化层，所述卷积层包括分别连接输入层的卷积网络A和卷积网络B，两者的输出经双线性池化层做外积处理和池化处理后得到双线性向量；B
‑
CNN网络表达为以下公式：F＝(f
A
,f
B
,P,C)式中，F表示B
‑
CNN网络的输出分类；f
A
和f
B
分别表示卷积网络A和卷积网络B的特征提取函数，为映射过程函数f:L
×
I
→
R
c
×
D
，表示将图像I和位置区域L通过设定的映射关系映射成一个c
×
D维尺寸的向量；P表示池化函数，C表示通过Softmax归一化层的双向分类识别向量；所述外积处理公式表示为：bilinear＝f
A
(l,I)
T
f
B
(l,I)其中f
A
(l,I)和f
B
(l,I)分别为图像I的位置l处卷积网络A和卷积网络B输出的特征；所述池化函数P表示为：其中φ(I)为图像I的卷积输出在外积处理后的池化结果。4.根据权利要求3所述的方法，其特征是，输电线植被入侵检测模型B
‑
CNN网络中，卷积网络A和卷积网络B的输出端分别连接有通道注意力模块和空间注意力模块；所述通道注意力模块的特征计算公式为：所述空间注意力模块的特征计算公式为：式中，F表示卷积网络输出的特征，F
′
为通道注意力模块输出的特征，F
″
为空间注意力模块输出的特征；和分别表示对特征F进行平均池化和最大池化的结果，W0、W1表示多层感知器MLP中不同层的权重，σ表示sigmoid函数，表示逐元素相乘，f7×7表示滤波器
尺寸为7*7的卷积运算；AvgPool(
·

【专利技术属性】
技术研发人员：姚楠，刘子全，王真，秦剑华，朱雪琼，薛海，高超，吴奇伟，胡成博，
申请(专利权)人：国网江苏省电力有限公司江苏省电力试验研究院有限公司，
类型：发明
国别省市：