【技术实现步骤摘要】
一种基于改进深度学习的输电线工程车辆检测方法
[0001]本专利技术涉及人工智能图像识别
，尤其涉及一种改进深度学习的输电线工程车辆检测方法。
技术介绍
[0002]随着国家基础设施建造的迅猛发展，大量工程车辆入侵输电线场景进行工程作业的现象屡见不鲜。工程车辆施工造成输电线破坏的事故时有发生，而电力线作为电力系统传输电能的重要部件，因此提高其巡检质量和运维水平迫在眉睫。电力线巡检是供电工人日常巡查的重要内容之一，但人工巡检工作劳动强度大，尤其遇到恶劣的气候或地形条件，巡检及时性和实时性差，效率低下，人工巡检容易出现漏检等问题，输电安全仍存在隐患。因此，采用实时有效的目标检测方法对输电线场景下的工程车辆实现及时检测具有重要意义。
[0003]现今，运用智能化的技术提高巡检质量，降低运维成本，是未来巡检运维的主流思路。尤其随着近年来卷积神经网络的发展，基于深度学习技术的目标检测网络发展到了一个新的高度，将其用于工程车辆的检测成为新的发展趋势。但基于深度学习的目标检测算法对样本的质量要求较高，工程车辆作为电力线通道大...
【技术保护点】
【技术特征摘要】
1.一种基于改进深度学习的输电线工程车辆检测方法，其特征在于：包括步骤1：采集输电线下工程车辆入侵图像进行分类和标注，生成带有类别标签的工程车辆图像数据集；步骤2：构建基于改进YOLOv5s深度学习网络的输电线下工程车辆检测模型并通过工程车辆图像训练工程车辆检测模型；其中，在YOLOv5s深度学习网络中的骨干网络模块Backbone后级联感受野模块RFB形成改进YOLOv5s深度学习网络；步骤3：通过训练好的工程车辆检测模型进行待检测图像的置信度识别，基于置信度确认目标输出。2.根据权利要求1所述的基于改进深度学习的输电线工程车辆检测方法，其特征在于：步骤1中，通过IabelImg标注工具对输电线路通道场景图像中的施工车辆进行标注矩形框，标注好的图像包括jpg格式的图片及多个xml文件，jpg格式的图片中包含多种工程车辆类型作为标签的选框，标注生成相应的xml文件中保存有不同种类工程车辆的选框坐标。3.根据权利要求1所述的基于改进深度学习的输电线工程车辆检测方法，其特征在于：步骤2具体包括：步骤201：搭建YOLOv5s深度学习网络结构模型，对YOLOv5s网络结构模型进行改进，得到改进的YOLOv5s深度学习网络；具体为：对官方的YOLOv5s深度学习网络进行改进，YOLOv5s深度学习网络包括：输入端Input、骨干网络模块Backbone、特征融合模块Neck和预测端Prediction；在骨干网络模块Backbone后级联感受野模块RFB，在预测端Prediction中将原损失函数CIOU替换为损失函数EIOU，得到改进YOLOv5s深度学习网络；步骤202：使用工程车辆图像数据集对改进YOLOv5s深度学习网络进行训练得到输电线下工程车辆检测模型；具体为：步骤2021：采集的工程车辆图像输入至输入端Input，输入端Input采用马赛克Mosaic数据增强方法进行自适应锚框计算，然后进行自适应图片缩放；步骤2022：再进入骨干网络模块Backbone中，首先通过CBS模块将输入图像进行卷积、批量归一化和函数激活后实现特征提取，其次使用跨阶段局部网络CSP1_X将输入分为两个分支，其中一支流向残差结构后卷积再与另一支的卷积图像进行通道融合；然后通过空间金字塔池化模块SPPF进行最大池化操作后经过级联到SPPF模块之后的感受野模块RFB进行特征连接；步骤2023：将经过Backbone模块提取的工程车辆特征图输入到特征融合模块Neck中，特征融合模块Neck通过特征金字塔FPN由深至浅逐层对特征图进行特征增强，再通过网络聚合结构PANet分别与由浅至深下采样后...
【专利技术属性】
技术研发人员：沙倚天，刘少君，杨宇航，管翰林，吴越，李静雅，张灿，孙凯，韩硕，王驭扬，田云云，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，
类型：发明
国别省市：
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。