基于YOLO网络的绝缘子覆冰类型识别方法及装置制造方法及图纸

本申请公开了基于YOLO网络的绝缘子覆冰类型识别方法及装置，方法包括：采用改进YOLO网络模型中的跨阶段局部网络对当前绝缘子图像进行不同粒度的特征提取操作，得到聚合特征图；依据改进YOLO网络模型中的链接网络对聚合特征图进行语义增强分析和视觉判断分析，得到优化特征图，链接网络包括特征金字塔网络和路径聚合网络；基于改进YOLO网络模型中的预测网络对优化特征图进行预测分析，得到覆冰类型预测结果，覆冰类型预测结果包括绝缘子预测框和类别概率值。本申请解决了现有技术对人工操作依赖较大，不仅无法保证识别效率，还不能确保识别准确率的技术问题。识别准确率的技术问题。识别准确率的技术问题。

【技术实现步骤摘要】
基于YOLO网络的绝缘子覆冰类型识别方法及装置


[0001]本申请涉及图像处理
，尤其涉及基于YOLO网络的绝缘子覆冰类型识别方法及装置。

技术介绍

[0002]针对低温雨雪冰冻天气导致的架空线路覆冰，电网公司利用大量配置有摄像头的在线监测装置，实现覆冰信息的采集。覆冰类别有雪淞、雾凇、雨凇、混合淞等，不同的覆冰类型与覆冰程度给不同材质的绝缘子带来的风险存在差异，对应的除冰方法也不同。分类辨识覆冰类型能为输电线路精准防冰工作决策提供细颗粒度技术支持，提高覆冰处置效率。
[0003]现有依赖人工经验的绝缘子覆冰图像检查受限于人员的知识技能水平，而且工作量较大，无法保障准确率，难以满足当前的绝缘子覆冰图像检测的需求。

技术实现思路

[0004]本申请提供了基于YOLO网络的绝缘子覆冰类型识别方法及装置，用于解决现有技术对人工操作依赖较大，不仅无法保证识别效率，还不能确保识别准确率的技术问题。
[0005]有鉴于此，本申请第一方面提供了基于YOLO网络的绝缘子覆冰类型识别方法，包括：
[0006]采用改进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于YOLO网络的绝缘子覆冰类型识别方法，其特征在于，包括：采用改进YOLO网络模型中的跨阶段局部网络对当前绝缘子图像进行不同粒度的特征提取操作，得到聚合特征图；依据所述改进YOLO网络模型中的链接网络对所述聚合特征图进行语义增强分析和视觉判断分析，得到优化特征图，所述链接网络包括特征金字塔网络和路径聚合网络；基于所述改进YOLO网络模型中的预测网络对所述优化特征图进行预测分析，得到覆冰类型预测结果，所述覆冰类型预测结果包括绝缘子预测框和类别概率值。2.根据权利要求1所述的基于YOLO网络的绝缘子覆冰类型识别方法，其特征在于，所述采用改进YOLO网络模型中的跨阶段局部网络对当前绝缘子图像进行不同粒度的特征提取操作，得到聚合特征图，之前还包括：通过在线监测系统采集低温雨雪凝冻天气下的架空线路上的覆冰图像；对采集到的所述覆冰图像进行清洗操作，得到有效覆冰图像，所述清洗操作包括剔除无绝缘子和镜头凝冻的覆冰图像。3.根据权利要求2所述的基于YOLO网络的绝缘子覆冰类型识别方法，其特征在于，所述采用改进YOLO网络模型中的跨阶段局部网络对当前绝缘子图像进行不同粒度的特征提取操作，得到聚合特征图，之前还包括：通过裁剪、拼接和排布的方式对所述有效覆冰图像进行增强处理，得到绝缘子训练图像集；将所述绝缘子训练图像集中的覆冰图像进行类别标注操作，得到覆冰类型标签。4.根据权利要求3所述的基于YOLO网络的绝缘子覆冰类型识别方法，其特征在于，所述采用改进YOLO网络模型中的跨阶段局部网络对当前绝缘子图像进行不同粒度的特征提取操作，得到聚合特征图，之前还包括：基于绝缘子覆冰类型识别任务构建初始YOLO网络模型；通过所述绝缘子训练图像集和所述覆冰类型标签对所述初始YOLO网络模型进行覆冰类型预测训练，得到所述改进YOLO网络模型。5.根据权利要求1所述的基于YOLO网络的绝缘子覆冰类型识别方法，其特征在于，所述依据所述改进YOLO网络模型中的链接网络对所述聚合特征图进行语义增强分析和视觉判断分析，得到优化特征图，包括：根据所述改进YOLO网络模型中的特征金字塔网络对所述聚合特征图进行位置特征增强处理，得...

【专利技术属性】
技术研发人员：何锦强，丁志敏，龚博，张厚荣，李昊，廖永力，吴建蓉，文屹，黄欢，张迅，范强，张啟黎，王冕，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：