一种基于自适应尺度感知的输电检测模型构建方法及装置制造方法及图纸

本发明专利技术公开了一种基于自适应尺度感知的输电检测模型构建方法及装置，方法包括如下步骤：获取输电检测的训练图像数据集，并对训练图像数据集进行分析处理；以YOLOv5算法框架为基线，构建融合感知尺度信息和空间信息的初始输电检测模型；结合训练图像数据集，迭代感知尺度信息和空间信息的参数；基于迭代结果，构建得到基于自适应尺度感知的输电检测模型。突破特定任务的瓶颈，提升模型的泛化性；针对多尺度物体提供YOLOv5的优化解决方案；提高小实例的性能。例的性能。例的性能。

【技术实现步骤摘要】
一种基于自适应尺度感知的输电检测模型构建方法及装置


[0001]本专利技术属于输电检测的
，具体涉及一种基于自适应尺度感知的输电检测模型构建方法及装置。

技术介绍

[0002]输电线路由绝缘子、电力塔、导线和连接件等多种部件组成。这些部件发挥的作用环环相扣，一个部件故障或损坏可能酝酿或直接引发超区域停电甚至灾难性的事故，如森林火灾。到目前为止，大量的工作致力于自动识别输电隐患，降低输电故障的可能性。输电线路采用无人机巡检改变了传统的人工电力巡检方式，缓解了巡检耗时长，劳动效率低，紧急故障处理不及时，安全隐患筛查不全面等问题。
[0003]以上工作从利用传统的图像处理技术发展到利用深度学习的方法对输电线部件及其缺陷进行广泛的研究以达到区别于手工方法的目的。然而，一方面，它们中的大多数都是基于特定类别的分类任务，即通常专注于一个特定的隐患部件及其缺陷。基于特定类别训练出的模型无法利用相关类别分类任务中包含的领域特定信息，从而在实际应用场景中导致输电隐患及其缺陷智能检测模型的泛化性能不高。另一方面，自然图像中包含不同尺度的物体，基于FPN(Feature Pyramid Network)的方法通过自上而下的路径和横向的连接，将相邻两个级别的特征顺序组合，增强了特征表达，让来自深层的低分辨率特征图的丰富语义在所有级别上共享。面对输电隐患及其缺陷检测与小目标的识别任务，基于FPN和PANet的YOLO算法家族导致了其固定式的网络结构，进而只能简单有效地解决部分任务。朴素的YOLO算法家族并不能满足所有的实际需求。
[0004]如专利CN114821278A一种基于改进YOLOv5的输电线路零部件识别方法，收集输电线路航拍图像，通过数据增强方法对其进行扩充；基于YOLOv5网络进行改进，增加更小尺度检测层，并在PAN层添加跳跃连接，融合多路径特征，提升小目标检测性能；提出PCSA注意力机制，融合空间维度和通道维度的特征关系，提高图像中目标的显著度；提出LSCIoU作为bounding box的损失函数，对不同大小的目标自动调整位置损失大小，增加小目标、难识别目标的损失，提高困难样本的识别能力；利用训练集图片对改进后的YOLOv5网络进行训练，并用测试集图片对其进行测试。
[0005]但是，上述现有技术对实际需求的解决效果仍有欠缺。例如，(1)对于多尺度物体的解决方案的效力不够。虽然FPN是一个在所有级别上共享丰富语义的特征金字塔，但是来自不同层级的特征具有明显语义差距。PANet是顺着FPN的层级结构的再设计，只是巧妙的避开了语义差距但其并未消失。(2)图像中小实例的检测性能不佳。例如，绝缘子闪络缺陷和破损缺陷在图像上的分布呈现数量多，小而密集的特点。
[0006]无人机拍摄的海量可见光图像数据迫切需要得到智能化的分析与处理，针对电力传输的安全隐患需要具备一套可靠的、高效的、低成本和可持续性的解决方案。

技术实现思路

[0007]针对上述现有技术中存在的缺陷，本专利技术从三个方面出发，一是突破特定任务的瓶颈，提升模型的泛化性；二是针对多尺度物体提供YOLOv5的优化解决方案；三是提高小实例的性能。
[0008]第一方面，本专利技术提供一种基于自适应尺度感知的输电检测模型构建方法，包括如下步骤：
[0009]获取输电检测的训练图像数据集，并对训练图像数据集进行分析处理；
[0010]以YOLOv5算法框架为基线，构建融合感知尺度信息和空间信息的初始输电检测模型；
[0011]结合训练图像数据集，迭代感知尺度信息和空间信息的参数；
[0012]基于迭代结果，构建得到基于自适应尺度感知的输电检测模型。
[0013]进一步的，获取输电检测的训练图像数据集，并对训练图像数据集进行分析处理，具体包括如下步骤：
[0014]对训练图像数据进行标签化处理，获取包含多个类别输电设备及缺陷类型的训练图像数据集；
[0015]对训练图像数据集进行分类处理；
[0016]其中，分类处理包括针对缺陷类型较少的训练图像进行扩展增强，对标签语义一致的图像进行统一合并。
[0017]进一步的，以YOLOv5算法框架为基线，构建融合感知尺度信息和空间信息的初始输电检测模型，具体包括如下步骤：
[0018]以YOLOv5算法框架为基线，在neck的FPN结构中增加小目标预测层；
[0019]在FPN结构的输出端接入自适应尺度感知模块，PANet结构输入端接入空间感知模块，并连接自适应尺度感知模块及空间感知模块；
[0020]构建得到感知尺度信息和空间信息的初始输电检测模型。
[0021]进一步的，结合训练图像数据集，迭代感知尺度信息和空间信息的参数，具体包括如下步骤：
[0022]初始输电检测模型采集训练图像，在backbone结构获取预定步长的多层级特征图，多层级特征图C＝{C1，C2，
……
，C
n
}，其中，C1为第一层级特征图，C2为第二层级特征图，C
n
为第n层级特征图，n与特征金字塔图的层级数量对应；
[0023]对多层级特征图按层级高低进行排序，自低层级起，进行横向以及自顶向下的连接，形成特征金字塔，特征金字塔S＝{S1，S2，
……
，S
n
}，其中，S1为第一层级特征金字塔图，S2为第二层级特征金字塔图，S
n
为第n层级特征金字塔图；
[0024]在自适应尺度感知模块对特征金字塔的各个层级特征金字塔图进行尺寸和空间权重的处理，得到感知尺度信息的特征图；
[0025]在空间感知模块对感知尺度信息的特征图进行偏移和注意力处理，得到感知尺度信息和空间信息的特征图；
[0026]结合PANet结构，给出识别的图像结果；
[0027]基于图像结果，迭代自适应尺度感知模块中尺寸和空间权重参数、空间感知模块中偏移和注意力参数。
[0028]进一步的，在自适应尺度感知模块对特征金字塔的各个层级特征金字塔图进行尺寸权重的处理，具体包括如下步骤：
[0029]确定特征金字塔的最低层级特征金字塔图，对特征金字塔的剩余层级特征金字塔图进行预定倍数的扩大处理，具体表示为：
[0030][0031][0032]其中，X
k
为扩大后的特征金字塔图，T
w
和T
H
为扩大后的特征金字塔图的宽和高，T
x
和T
y
为扩大后的特征金字塔图的横、纵坐标，O
w
和O
H
为特征金字塔图的宽和高，O
x
和O
y
为特征金字塔图的横、纵坐标。
[0033]进一步的，在自适应尺度感知模块对特征金字塔的各个层级特征金字塔图进行空间权重的处理，具体包括如下步骤：
[0034]获取扩大后的特征金字塔图的像素坐标，确定每个像素坐标的不同层级本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应尺度感知的输电检测模型构建方法，其特征在于，包括如下步骤：获取输电检测的训练图像数据集，并对训练图像数据集进行分析处理；以YOLOv5算法框架为基线，构建融合感知尺度信息和空间信息的初始输电检测模型；结合训练图像数据集，迭代感知尺度信息和空间信息的参数；基于迭代结果，构建得到基于自适应尺度感知的输电检测模型。2.如权利要求1所述基于自适应尺度感知的输电检测模型构建方法，其特征在于，获取输电检测的训练图像数据集，并对训练图像数据集进行分析处理，具体包括如下步骤：对训练图像数据进行标签化处理，获取包含多个类别输电设备及缺陷类型的训练图像数据集；对训练图像数据集进行分类处理；其中，分类处理包括针对缺陷类型较少的训练图像进行扩展增强，对标签语义一致的图像进行统一合并。3.如权利要求1所述基于自适应尺度感知的输电检测模型构建方法，其特征在于，以YOLOv5算法框架为基线，构建融合感知尺度信息和空间信息的初始输电检测模型，具体包括如下步骤：以YOLOv5算法框架为基线，在neck的FPN结构中增加小目标预测层；在FPN结构的输出端接入自适应尺度感知模块，PANet结构输入端接入空间感知模块，并连接自适应尺度感知模块及空间感知模块；构建得到感知尺度信息和空间信息的初始输电检测模型。4.如权利要求3所述基于自适应尺度感知的输电检测模型构建方法，其特征在于，结合训练图像数据集，迭代感知尺度信息和空间信息的参数，具体包括如下步骤：初始输电检测模型采集训练图像，在backbone结构获取预定步长的多层级特征图，多层级特征图C＝{C1，C2，
……
，C
n
}，其中，C1为第一层级特征图，C2为第二层级特征图，C
n
为第n层级特征图，n与特征金字塔图的层级数量对应；对多层级特征图按层级高低进行排序，自低层级起，进行横向以及自顶向下的连接，形成特征金字塔，特征金字塔S＝{S1，S2，
……
，S
n
}，其中，S1为第一层级特征金字塔图，S2为第二层级特征金字塔图，S
n
为第n层级特征金字塔图；在自适应尺度感知模块对特征金字塔的各个层级特征金字塔图进行尺寸和空间权重的处理，得到感知尺度信息的特征图；在空间感知模块中通过偏移和注意力处理感知尺度信息的特征图，得到感知尺度信息和空间信息的特征图；结合PANet结构，给出识别的图像结果；基于图像结果，迭代自适应尺度感知模块中尺寸和空间权重参数、空间感知模块中偏移和注意力参数。5.如权利要求4所述基于自适应尺度感知的输电检测模型构建方法，其特征在于，在自适应尺度感知模块对特征金字塔的各个层级特征金字塔图进行尺寸权重的处理，具体包括如下步骤：确定特征金字塔的最低层级特征金字塔图，对特征金字塔的剩余层级特征金字塔图进行预定倍数的扩大处理，具体表示为：
其中，X
k
为扩大后的特征金字塔图，T
w
和T
H
为扩大后的特征金字塔图的宽和高，T

【专利技术属性】
技术研发人员：陆晓，徐春雷，蒋承伶，马洲俊，景巍巍，王茂飞，高超，吴奇伟，戴永东，毛锋，王神玉，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：