一种基于深度学习的架空输电线路监拍图像检测方法技术

本发明专利技术涉及架空输电线路图像识别技术领域，且公开了一种基于深度学习的架空输电线路监拍图像检测方法，包括如下步骤：S1.建立训练数据集及测试数据集：S2.把训练样本输入到RFBS

【技术实现步骤摘要】
一种基于深度学习的架空输电线路监拍图像检测方法


[0001]本专利技术涉及架空输电线路图像识别
，具体为一种基于深度学习的架空输电线路监拍图像检测方法。

技术介绍

[0002]现代社会，国民经济高速发展，现代化建设逐年增长，人民生活水平显著提升，作为承载国家经济发展能源大动脉的电力行业，也在紧跟时代步伐，为了满足日益增长的电力需求，国网公司加大超特高压电力输电通道的投资建设，由此超特高压也成为了电力运输的排头兵。我国拥有广袤的陆地面积，地形地貌复杂多变，超特高压输电线路不可避免的要建立在高山大陵，跨越森林湖泊。为降低人工巡视线路的人身风险，缩短线路巡检周期，提高线路巡视效率，同时也响应国家打造坚强智能电网的号召，国网公司落地了输电线路通道的可视化系统，实现了全天候监控各个区域，逐步由“人防”转换到“技防”。
[0003]输电线路通道的可视化系统每隔10分钟抓拍一张输电线路走廊照片，每天会产生海量的图片，这些图片通过后台传输到监控坐席，需要坐席人员判定隐患类型及隐患等级，造成人员劳动强度高，而且，输电线路通道可视化系统的抓拍照片，会本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习架空输电线路监拍图像检测方法，其特征在于，包括如下步骤：S1.建立训练数据集及测试数据集；S2.把训练样本输入到RFBS
‑
SRGAN模型中进行训练；S3.将生成的高分辨率图像输入到DH
‑
YOLOv5模型中进行训练，通过模型中的输入端数据增强、主干网络、颈部网络、解耦头和预测层逐级进行处理；S4.在达到最终训练结束的20代之前，使用两种数据增强方式，对照片做随机两张样本按比例混合图像增强操作，解耦头在原三个耦头的CBL之后分别分支两个CBL池，每个CBL后的上CBL池通过卷积层与sigmoid连接输出一个分支，下CBL池分为两个分支，上分支通过卷积层与sigmoid连接，下分支只通过卷积层输出，最后Concat张量拼接进行融合，将预测目标框的有无包含目标obj_output，预测目标框的坐标reg_output，预测目标框类别cls_output三个分支输入到Reshape层，从而输出特征预测信息。2.根据权利要求1所述的一种基于深度学习的架空输电线路监拍图像检测方法，其特征在于：S1具体步骤为：从输电线路通道的可视化系统中随机选取抓拍照片1500张照片作为训练集，然后从中任意选取500张照片作为测试集，根据输电线路通道隐患识别目标将训练样本中的目标分为吊车、钩机等大型机械和风筝、塑料布、防尘网等小目标物体，通过人工手动的方法按照不同的场景、天气、光照等进行样本标记，准备训练；S2训练过程中，在Trunk
‑
RFB模块中3
×
3尺寸的大内核，替换为多个小核1
×
1、1
×
3、3
×
1分支池组合，根据输入图像中各种尺寸目标，应用不同的尺寸的卷积多分支池内核进行图像偏移量控制，恢复高频细节同时保持内容一致性，降低模型的计算复杂度,经过训练优化的模型，最终生成高分辨率图像；Trunk
‑
RFB模块由不同尺度的卷积滤波器组成，该模块中第m个感受野残差密集块定义为下式是Trunk
‑
RFB模块的输出。3.根据权利要求2所述的一种基于深度学习的架空输电线路监拍图像检测方法，其特征在于：所述Trunk
‑
RFB模块由10个Residual of Receptive Field Dense Blocks(RRFDB)堆叠而成，每个RRFDB包含6个RFBTrunk
‑
...

【专利技术属性】
技术研发人员：杨学航，马昊，齐黎立，杨阳，苑泽鑫，严翔，高章林，吕潇，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：